简单的数据可视化

import matplotlib.pyplot as plt

squares = [1, 4, 9, 16, 25]
plt.plot(squares, linewidth=5)
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
plt.tick_params(axis='both', labelsize=14)
plt.show()

共同处：第一个实参为title，第二个实参可以指定线宽和字的大小。
对于tick_params()指定的实参将影响x轴和y轴上的刻度（可以换成’x’和’y’）

但是可以发现绘制的数据有问题，因为向plot（）提供一系列数字时，它假设第一个数据点对应的x的坐标值为0，但这里要求的对应的x值为1，为了改变这种行为应该同时提供输入与输出值。

import matplotlib.pyplot as plt

input_values = [1, 2, 3, 4, 5]
squares = [1, 4, 9, 16, 25]
plt.plot(input_values, squares, linewidth=5)
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
plt.tick_params(axis='both', labelsize=14)
plt.show()

利用scatter（）绘制散点图

import matplotlib.pyplot as plt
 
plt.scatter(2,4,s=200)
 
#设置刻度标记的大小
plt.tick_params(axis='both',which='major',labelsize=14)
 
plt.show()

which三个参数，[‘major’ ， ‘minor’，‘both’]
默认是major表示主刻度，后面分布为次刻度及主次刻度都显示。

绘制一系列点可以通过遍历列表实现。

x_value = [1, 2, 3, 4, 5]
y_value = [1, 4, 9, 16, 25]

plt.scatter(x_value, y_value, s=100）

s for size

自动计算数据：

import matplotlib.pyplot as plt

x_value = list(range(1, 1001))
y_value = [x**2 for x in x_value]

plt.scatter(x_value, y_value, c='red', edgecolors='none', s=40)
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
plt.tick_params(axis='both', labelsize=14)
plt.axis([0, 1100, 0, 1100000])
plt.show()

plt.scatter(x_value, y_value, c='red', edgecolors='none', s=40)

其中，c for color，也可用RGB，c=(0, 0, 0.8)值越接近0颜色越深，edgecolor表示点的轮廓。

plt.axis([0, 1100, 0, 1100000])

表示画坐标轴的取值范围，x，y。

颜色映射：
突出数据变换的规律，较浅的颜色来表示较浅的值。

plt.scatter(x_value, y_value, c=y_value, cmap=plt.cm.Blues, edgecolors='none', s=40)

自动保存图表：
可将对plt.show()的调用换成对plt.savefig()的调用：

plt.savefig('fitst_try.jpg', bbox_inches='tight')

第一个实参表明以什么样的文件名保存图表，存储到该.py文件的目录中，第二个实参将图标多余的空白区域全部裁掉。可以省略。