1.绘制流程
2.基础语法及函数
plt.figure() 创建一个空白画布,可以指定画布大小及像素
figure.add_subplot() 创建并选中子图,可以指定子图行数,列数,以及选定图片编号
plt函数
.title()
.xlabel() #在当前图片中添加x轴名称,可以指定位置颜色, 字体大小
.ylabel() #同上
.xlim() #指定当前x轴的范围[lb,ub],只能确定一个数值区间,不能用字符串表示
.ylim() #同上
.xticks() #指定x轴的数目及取值 , xtick是刻度(小竖线)
.yticks() #同上
.legend() #指定当前图形的图例,可以指定图例的大小、位置、标签。
.savefig() #保存绘制的图片
.show() #屏幕上显示图片
3.设置pyplot的动态rc参数
pyplot使用rc配置文件来自定义图形的各种默认属性,被称为rc配置或rc 参数。 在pyplot中几乎所有的默认属性都是可以控制的,例如视图窗口大小以及 每英寸点数、线条宽度、颜色和样式、坐标轴、坐标和网格属性、文本、 字体等。
散点图(scatter diagram)
散点图(scatter diagram)又称为散点分布图,是以一个特征为横坐标,另一个特征为纵坐标,利用坐标点(散点)的 分布形态反映特征间的统计关 系的一种图形。 值是由点在图表中的位置表示, 类别是由图表中的不同标记表示,通常用于比较跨类别的数据
matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, alpha=None, **kwargs)
直方图(bar)
直方图(Histogram)又称质 量分布图,是统计报告图的一 种,由一系列高度不等的纵向 条纹或线段表示数据分布的情 况,一般用横轴表示数据所属 类别,纵轴表示数量或者占比。 用直方图可以比较直观地看出 产品质量特性的分布状态, 便于判断其总体质量分布情况。 直方图可以发现分布表无法发现的数据模式、样本的频率分 布和总体分布
饼图(pie)
饼图(Pie Graph)是将各项 的大小与各项总和的比例显示 在一张“饼”中,以“饼”的 大小来确定每一项的占比
饼图可以比较清楚地反映出部 分与部分、部分与整体之间的 比例关系,易于显示每组数据 相对于总数的大小,而且显现 方式直观。