python学习-matplotlib

import matplotlib.pyplot as plt

绘画对象列表
Figure：一张画布
Axes：坐标轴，每一个Axes都有一套XY轴坐标系，绘制图形时基于此坐标系绘制。子图，在一个Figure对象中可以包含多个Axes对象，一张画布可以包含多个子图
Line2D：线条
Text：文字、一张子图需要标题，就可以使用一个Text对象

plt会默认创建Figure对象，并将它保存在plt模块内部
通过plt.gcf() plt.gca() 分别获取当前用于绘图的Figure和Axes对象
使用plt.figure() 创建一个新的Figure对象，然后在Figure对象上创建Axies对象

eg…
fig1 = plt.figure() 创建了fig1 Figure对象
ax1 = fig1.add_subplot(1,1,1) 创建了ax1 Axes对象，添加一个Axes对象到布局为一行一列的第一个位置上

plt.gcf()
plt.gca()

常用属性设置
ax = fig.add_subplot(1,1,1)

ax.set_title(“Axes Example”) #设置标题

major_ticks=np.arange(0,101,20)
minor_ticks=np.arange(0,101,5)

#设置刻度
ax.set_xticks(major_ticks) #设置x轴刻度
ax.set_xticks(minor_ticks,minor=True) #minor=True 设置更小的刻度
ax.set_yticks(major_ticks)
ax.set_yticks(minor_ticks,minor=True)

#设置x，y轴 标签
ax.set_xlable(“X axis“)
ax.set_ylabel(“Y axis”)

#设置网格 which=’minor’ 表示小刻度的网格
ax.grid(which=’minor’,aplha=0.2)
ax.gird(which=’major’,alpha=0.5)
#添加文字
ax.text(42.5,50,’text’)

fig.show() 显示绘制的图形

x = np.linspace(0,1,100) 创建100个值，这些值平均分布在0到1的范围内
ax.plot(x,x**(1/8),’b–’,label=r’$y=x^{1/8}$’)
x x**(1/8) 分别对应与X，Y轴数据，第三个参数b-- 代表绘制的曲线是blue蓝色，样式是虚线
r-- 红色的虚线
r. 红色的点
label表示线条的标签
ax.legend() 使用曲线的标签信息，自动生成图例，并将图例放到图形合适的位置

ax.axis([0,1,0,1]) 代表x y轴范围都设置为0到1，显示范围超过0到1的范围，自动截取范围内的图形机型显示

线形图
Axes.plot 方法绘制线形图
如果变量之前满足线性关系，则是一条直线
若没有关系，就是一堆涂鸦

x = np.random.rand(100)
y = np.random.rand(100)
ax.plot(x,y)

直方图
显示数据分布情况，x轴一般是统计样本，y轴是样本对应的统计度量
第一步：将值的范围分段，将整个值的范围分成一系列间隔，然后计算每个间隔间有多少值。
这些值通常被指定为连续的、不重叠的变量间隔，间隔必须相邻，并且通常是相等大小
使用Axes.hist 方法绘制直方图

data = np.random.normal(0,20,1000) 产生1000个均值为0，标准差为20的正太分布数据值
bins = np.arange(-100,100,5) 创建x轴的区间刻度
ax.hist(data,bins=bins)

散点图
将所有的数据值在图形中绘制成点，这样有多少数据值在图形中就会有多少个点，通过这些数据点可以看出数据值的分布模式，比如是否有聚类模式，或者相关关系或者发现离群点
Axes.scatter绘制散点图

x = np.arange(1,101) 创建100个数据值
y = 20+3*x +np.random.normal(0,60,100)
ax.scatter(x,y)
箱线图
可以看出数据的分散程度，异常值等信息，根据一组数据的以下5个统计值机型绘制
最小值
第1四分位数
中位数
第3四分位数
最大值
四分位数 将一组数据值按大小排序后分成四等分，每一部分包含四分之一的数据，这种划分的分割点就是四分位数
第一部分和第二部分的分割点成为第一分位数Q1，也被称为第25百分位数
第3部分和第四部分的分割点称为第三分位数Q3，也被称为第75百分位数
第二部分和第三部分的分割点称为第二分位数，也就是中位数
四分位距 IQR 是指第三四分位数和第一分四分位的茶，也就是IQR = Q3-Q1
代表了中间50%数据的离散程度，数值越小代表数据越集中，越大代表数据越分散
Axes.boxplot 方法绘制