数据分析---matplotlib绘制

import matplotlib.pyplot as plt

plt.plot()绘制线性图

• 绘制单条线性图：plt.plot(x,y)
• 绘制多条线性图：
  • 法一：plt.plot(x1,y1,x2,y2)
  • 法二：plt.plot(x1,y1)  plt.plort(x2,y2)
• 设置坐标系比例：plt.figure(figsize=(a,b)) ，设置比例为a:b，先设置再画图
• 设置图例: plt.plot(x,y,label='xy')   

        图例生效 plt.legend( )  图例默认1列

                       plt.legend(nloc=2)  图例为2列

• 设定轴的表标识： plt.plot(x,y)

                                     plt.xlabel('横轴名')

                                     plt.ylabel('纵轴名')

                                     plt,title('题目')

• 图的保存：  fig = plt.figure()   对象的实例化，该对象的创建必须在画图之前

                           plt.plot(x,y,label='xy',c='red',alpha=0.5)   c是颜色，alpha是透明度

                           fig.savefig('./123.png')   #图片保存

plt.bar()绘制柱状图

• 纵向柱状图：plt.bar(x,y)   

• 横向柱状图：plt.barh(x,y)

plt.hist()绘制直方图（密度图） 

•  统计每个数出现的频率

• plt.hist(data,bins，norms，color,orientation)

  • bins:柱子个数

  • normed=True:归一化处理，形成概率密度

  • color:可以是单一颜色，也可以是颜色的序列

  • orientation: 可以画水平直方图，默认为vertical

 plt.pie()绘制饼图

• 只有一个参数
• arr=[11,22,31,15]    整数各自在sum中的占比
  • plt.pie(arr)   
  •  有标识，在图外
    • plt.pie(arr,labels=['a','b','c','d']   
  •   标识距离圆心距离0.3
    • plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3) 
  • autopct='%.3f%%'自动计算出每部分作战百分比，保留6位小数
    • plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.4,autopct='%.6f%%') 
  • shadow=True 表示有阴影部分
  • explode=[0.2,0.3,0.2,0.4]表示每个组成部分距离圆心的距离：
    • plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.2,shadow=True,explode=[2,0.3,0.2,0.4])
• arr = [0.2,0.3,0.1]   和不为整数，比例
  • plt.pie(arr)

plt.plot()绘制散点图

• 因变量随自变量而变化的大致趋势
• x = np.array([2,4,6,8,10,12,14])
  y = x ** 2-3
  plt.scatter(x,y)