Mtplotlib.pyplot

创建子图或者图中图：
ax=plt.axes()#默认充满整个figure，可以给出具体坐标([0.1,0.2,0.5,0.6]),分别占整个figure的百分比
or ax=plt.figure().add_axes()#与之类似，可以给定范围以及xlim\xlabel等基本参数的范围，
plt.subplot(4,5,1)#创建4*5的子图
plt.text(x,y,“description”,’’’’)#加入相应的样式
设置标签的样式：
ax.xaxis.set_major_locator(plt.Nulllocator)#一系列的参数，如plt.MaxNlocator(3)最多需要显示的标签数目
混淆矩阵：mat=confusion_matrics()
利用seaborn进行上色：sn.heatmap(mat,squar=True,annot=True,cbar=Faalse)#squar表示图最后方方正正；annot代表出现数值；cbar表示是否出现colorbar；以及xticklabels与yticklabels两个参数，表示横纵的类别

验证曲线可视化：validation_curve
train_score,vai_sore=validation(model名字,x,y,model超参数名称,model超参数范围range,cv= )
plt.plot(range,np.median(train_score,1))#按照列求中位数，然后画图
数据前处理：对缺失值进行填充：from sklearn.preprossing import Imputer
imp=Imputer(strategy=“mean”)#添加均值补充NaN
X=imp.fit_transform(data)