在本教程中，我们将学习如何使用 Matplotlib 绘制数组的稀疏模式。稀疏模式指的是数组中非零元素的分布情况。我们将使用 Matplotlib 中的spy函数来绘制稀疏模式。
虚拟机启动完成后，点击左上角切换到笔记本标签页，以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，随时向 Labby 提问。课程结束后提供反馈，我们会及时为你解决问题。
我们将首先导入所需的库，即 NumPy 和 Matplotlib。
import matplotlib.pyplot as plt
import numpy as np接下来，我们将使用numpy.random.randn函数创建一个维度为 (20, 20) 的随机数组。我们还将把一些元素设置为零，以创建一个稀疏矩阵。
np.random.seed(19680801)
x = np.random.randn(20, 20)
x[5, :] = 0.
x[:, 12] = 0.现在我们将使用subplots函数创建一个 2x2 的子图网格。这将为我们提供四个图来可视化数组的稀疏模式。
fig, axs = plt.subplots(2, 2)
ax1 = axs[0, 0]
ax2 = axs[0, 1]
ax3 = axs[1, 0]
ax4 = axs[1, 1]我们将使用spy函数来绘制数组的稀疏模式。我们将使用不同的参数，如markersize和precision来定制绘图。
ax1.spy(x, markersize=5)
ax2.spy(x, precision=0.1, markersize=5)
ax3.spy(x)
ax4.spy(x, precision=0.1)最后，我们将使用show函数来显示图形。
plt.show()在本教程中，我们学习了如何使用 Matplotlib 绘制数组的稀疏模式。我们使用spy函数来可视化稀疏模式，并使用不同的参数定制绘图。我们还学习了如何创建子图以及使用show函数显示图形。