代码如下：
# -*- coding:utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
plt.axes(projection='polar')
r = 2
radians = np.arange(0, (2 * np.pi), 0.01)
for theta in radians:
plt.polar(theta, r, '.g')
plt.show()
各个语句的解释：
plt.axes(projection='polar')：将坐标轴投影为极坐标，即在极坐标系下绘图。
r = 2：设定圆形的半径为2。
radians = np.arange(0, (2 * np.pi), 0.01)：设置弧度梯度。
plt.polar(theta, r, '.g')：绘制所有符合点的图像。
plt.show()：显示图像。
最终得到的图像如下：
上述语句plt.polar(theta, r, '.g')中的第三个参数'.g'可能大家会比较疑惑。这里该参数的关键字为fmt，是英文单词format的缩写，意为以一个特定的格式向该画图函数中传递参数。并且传递形式为：
fmt = '[marker][line][color]'
但是这里要注意一点，fmt这个关键字需要省略。如果加上就会报错。我们这里的'.g'即表示以绿色点来标记需要绘制的点。最后的附录会给出所有用户可以使用的参数。
注意：plt.polar()该函数事实上绘制的是在极坐标系下的一些离散的点。
之所以我们之前能够绘制一个完整的圆形，在于我们取的弧度值radians值非常密集，很多点绘制在一起，互相重叠形成了圆形的视觉效果，实际上我们绘制的是圆环上的一个个点。为了证明我们的说法，请看下面的代码：
import numpy as np
import matplotlib.pyplot as plt
plt.axes(projection='polar')
r = 2
radians = np.arange(0, (2 * np.pi), 0.1)
for theta in radians:
plt.polar(theta, r, '.g')
plt.show()
最终得到的图像如下：
不难发现，当我们降低radians参数值的个数时，我们得到了在圆环上的分开的离散的点。进一步我们可以观察一下，开始我们使用描点绘制圆形图像时，最终得到的图像锯齿比较严重，这是因为我们取得radians参数的个数不足够大，为了使绘制出的圆形更为平滑，我们可以将各个点之间的间隔设置的更小，比如使用如下语句来设定radians值。
radians = np.arange(0, (2 * np.pi), 0.0001)
最终得到的图像如下：
当然，点取的太过密集势必会拖慢我们绘图的速度，所以实际操作时需要自行设定合适的取值。附录：
上述图片引用与Matplotlib官网(2021-11-30号版本)（超链接点击跳转）。
码字不易，如果大家觉得有用，请高抬贵手给一个赞让我上推荐让更多的人看到吧~
