Axes class
軸包含大部分圖形元素：軸，刻度線，2D的線，文本，多邊形等，并設置坐標系。
基本繪圖方法
axes類的api
matplotlib.pyplot.axes
給當前圖表添加軸或者返回當前軸，是有返回值的，返回的就是當前創建的或者當前激活的軸(axes類下的對象)。
matplotlib.pyplot.axes(arg=None, **kwargs)
一般會像課程中那樣創建坐標系
# Creates axes of plot referenced 'ax'
ax = plt.axes()
matplotlib.axes.Axes.plot
繪制y與x作為線或其他格式。
Axes.plot(*args, data=None, **kwargs)
常用的調用形式如下：
ax.plot([x], y, [fmt], data=None, **kwargs)
ax.plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
點或線節點的坐標由x，y給出。
可選參數fmt是定義基本格式（如顏色，標記和線條樣式）
比如
>>> plot(x, y) # plot x and y using default line style and color
>>> plot(x, y, 'bo') # plot x and y using blue circle markers
>>> plot(y) # plot y using x as index array 0..N-1
>>> plot(y, 'r+') # ditto, but with red plusses
可選的data就是錄進一個數據集合，x和y可以從中去選值。
>>> plot('xlabel', 'ylabel', ' ',data=obj)
還有很多可選參數，有興趣可以看下api文檔
matplotlib.axes.Axes.arrow
Axes.arrow(x, y, dx, dy, **kwargs)
其實看函數名也大概想得出來，就是增加向量
x, y : float
原點
dx, dy : float
決定了沿x / y方向的箭頭長度（當然也決定了方向）。
其余是可選參數
width: float (default: 0.001)
箭那條線的寬度，提醒下大家0.1就很粗了。
length_includes_head: bool (default: False)
計算長度的時候是不是算頭的（如果是false就是線的尾端就是dx dy）
head_width: float or None (default: 3*width)
箭的頭部的寬度
head_length: float or None (default: 1.5 * head_width)
箭的頭部的長度
shape: [‘full’, ‘left’, ‘right’] (default: ‘full’)
繪制左半邊，右半邊或全箭頭
overhang: float (default: 0)
箭的頭部的形狀改變，描述不好，嘗試一下吧
head_starts_at_zero: bool (default: False)
如果為True，則箭線的開始部分在坐標0處繪制
還有很多其他參數，自行去嘗試
matplotlib.pyplot.grid
主要作用是打開或者關閉網格
比較簡單，沒啥講的，看下api文檔吧
matplotlib.pyplot.grid(b=None, which='major', axis='both', **kwargs)
matplotlib.pyplot.grid
axes的圖例
numpy.linalg.solve
求解線性矩陣方程或線性標量方程組。
詳細是線性矩陣方程ax = b的“精確”解x。
numpy.linalg.solve(a, b)
numpy.dot
求點積，如果是一維的，就是簡單相乘，二維的話
點積
向量的點積結果跟兩個向量之間的角度有關
點積
numpy.dot(a, b, out=None)
numpy.allclose
numpy.allclose(a, b, rtol=1e-05, atol=1e-08, equal_nan=False)
判斷是否接近（在給定的rtol和atol的容錯基礎上）
absolute(a - b) <= (atol + rtol * absolute(b))
若滿足這個不等式則返回True否則返回False
上三個可以結合計算和驗證矩陣方程和他的解
>>> a = np.array([[3,1], [1,2]])
>>> b = np.array([9,8])
>>> x = np.linalg.solve(a, b)
>>> x
array([ 2., 3.])
>>> np.allclose(np.dot(a, x), b)
True
numpy.matmul
矩陣乘法，傳入參數不同，乘法的方法會有所不同。
如果兩個參數都是2-D，它們就像傳統矩陣一樣相乘。
如果任一參數是N-D，N> 2，則對最后兩個的內容進行乘法操作，描述不如舉例，看下面的例子
如果前后有某一個參數是1-D，則通過在其維度前加1來將其提升為矩陣。 在矩陣乘法之后，移除前置1。
不允許使用標量乘法，*可以用標量乘法。
numpy.matmul(a, b, out=None)
2*2
>>> a = [[1, 0], [0, 1]]
>>> b = [[4, 1], [2, 2]]
>>> np.matmul(a, b)
array([[4, 1],
[2, 2]])
n*1
>>> a = [[[1,2], [0,1]], [[0,1], [1,2]]]
>>> b = [[1, 2],[1,2]]
>>> np.matmul(a, b)
array([[[3, 6],
[1, 2]],
[[1, 2],
[3, 6]]])
1*2/2*1
>>> a = [[1, 0], [0, 1]]
>>> b = [1, 2]
>>> np.matmul(a, b)
array([1, 2])
>>> np.matmul(b, a)
array([1, 2])
