import matplotlib

目录

散点图：用于描述两个变量的相关性-----scatter

折线图：多用于描述变量随时间的变化-----plot

条形图:比较多个项目分类的数据大小

直方图：表示数据的分布情况（连续）

饼状图：显示各项大小与总和的比例

箱型图：上边缘，上四分位数，中位数，下四分位数，下边缘，异常值

---

---

 

散点图：用于描述两个变量的相关性-----scatter

scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None,vmin=None, vmax=None,alpha=None, linewidths=None, verts=None,edgecolors=None, *, data=None, **kwargs)

import numpy as np
import matplotlib.pyplot as plt

#随机正相关
m=np.random.randn(1000)
n=m+np.random.randn(1000)*0.5
plt.scatter(m,n)
plt.show()

 

import numpy as np
import matplotlib.pyplot as plt

#随机不相关
x=np.random.randn(1000)
y=np.random.randn(1000)

plt.scatter(x,y)
plt.show()

界面定制：  

#s:点的面积
#c：颜色
#marker：标志形状
#alpha：透明度

plt.scatter(x,y,s=100,c='r',marker='X',alpha=0.5)

#marker的种类：https://matplotlib.org/api/markers_api.html?highlight=marker#module-matplotlib.markers

 

折线图：多用于描述变量随时间的变化-----plot

def plot_date(x, y, fmt='o', tz=None, xdate=True, ydate=False, *,data=None, **kwargs)