matplotlib绘图包的使用（一）

matplotlib库是Python中绘制二维、三维图表的数据可视化工具。它的主要特点如下：

（1）使用简单的绘图语句实现复杂的绘图效果；

（2）以交互式操作实现渐趋精细的图形效果；

（3）使用嵌入式的LaTex输出具有印刷级别的图表、科学表达式和符号文本；

（4）对图表的组成元素实现精细化控制

学习目标：

熟练掌握matplotlib，用于数据的可视化。

---

学习内容：

1、matplotlib的常见图表组成元素
2、 使用统计函数绘制简单图形
3、 绘制统计图形
4、 完善统计图形 

---

第一部分：matplotlib的常见图表组成元素

1.1函数plt.plot() ----展示变量的趋势

调用方法plt.plot(x,y,ls="-",lw=2,label="plot_figure")

参数说明：（1）x：x轴上的数值；

                  （2）y：y轴上的数值；

                  （3）ls：折线图的线条风格；

                  （4）lw：折线图的线条宽度；

                  （5）label：标记图形内容的标签文本；

代码示例如下：

import matplotlib.pyplot as plt
import numpy as np

# 用numpy包随机生成数据
x=np.linspace(0,10,1000)
y=np.cos(x)
# 绘制函数图像
plt.plot(x,y,ls="-",lw=2,label="plot_figure")
# 显示图形标签
plt.legend()
# 显示图像
plt.show()

图形输出如下：

       下文中重复的参数意义就不赘述，部分函数没有出图形示例，有兴趣的同学，可以自己动手敲一敲代码，加深印象。

1.2函数scatter()----寻找变量之间的关系

调用方法plt.scatter(x,y,c=“b”,label="scatter_figure")

参数说明：（1）x：x轴上的数值；

                  （2）y：y轴上的数值；

                  （3）c：散点图中的标记的颜色；

                  （4）label：标记图形内容的标签文本；

代码示例如下：

import matplotlib.pyplot as plt
import numpy as np

# 用numpy包随机生成数据
x=np.linspace(0,10,1000)
y=np.random.normal(0,1,1000)   # 生成满足正态分布的1000个随机值
# 绘制函数图像
plt.scatter(x,y,c="b",label="scatter_figure")
# 显示图形标签
plt.l