Basic
plt.plot([1,2,3,4]) #默认是y的值
plt.plot([1,2,3,4],[2,5,7,19]) #前面一个数组是X轴,后面一个数组是Y的值
plt.plot([1,2,3,4],[2,5,7,19],'r:') #r--red, o--dot,- 实线,--虚线,-. dash-dot,:dotted line
plt.axis([0,6,0,20]) #规定横坐标是0至6,纵坐标是0到20
plt.show()
subplot
names = ['a', 'b', 'c']
values = [1, 10, 100]
plt.figure(figsize=(9, 3))
plt.subplot(131)
plt.bar(names, values)
plt.subplot(132)
plt.scatter(names, values)
plt.subplot(133)
plt.plot(names, values)
plt.suptitle('Categorical Plotting')
plt.show()
注意:
- plt.subplot(1,3,1)也是可以的
- 如果写的是plt.title(),那么title会跑到最后一个图上去了。
这个列子主要是看线型
# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)
# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()
一个散点图
data = {'a' : np.arange(50),
'c':np.random.randint(0,50,50), #返回0至50之间50个随机整数,不包括50,如果不写hign,则是返回low - 0的随机整数
'd':np.random.randn(50)} #是从标准正态分布中返回一个或多个样本值
data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d'])*100 #abs() 函数返回数字的绝对值
plt.scatter('a','b',c='c',s='d',data=data) #c 是颜色,'c'赋予了不同的颜色,s是大小,'d'赋予了不同的大小
plt.show()
data 是一个字典,data[‘b’]这一句把‘b’加入到了data的字典里面
最高能的是c=‘c’, c是颜色,把一串数字赋给了颜色,表示不同的颜色;s是大小,把数字赋给了大小,得到大小不同的图。
有一点没有搞懂,为什么plt.scatter('a','b',c='c',s='d',data=data)
这句话里 data = data