Matplotlib库使用总结

散点图

使用Matplotlib的scatter()函数绘制散点图，其中x和y是相同长度的数组序列。scatter()函数的一般用法为：

主要参数说明如下：
x,y：数组。

s：散点图中点的大小，可选。

c：散点图中点的颜色，可选。

marker：散点图的形状，可选。

alpha：表示透明度，在 0~1 取值，可选。

linewidths：表示线条粗细，可选。

示例：绘制身高—体重的散点图
散点图主要演示两个变量的相关性：正相关、负相关、不相关。

示例：显示y=2x+1的图形
Matplotlib中最基础的模块是Pyplot, 下面从最简单的线图开始讲解。例如，有一组数据，还有一个拟合模型，通过编写代码来实现数据与模型结果的可视化。
假设一个线性函数具有形式y=ax+b, 自变量是x，因变量是y，y轴截距为b，斜率为a。
下面用简单的数据来描述线性方程y=2x+1，代码如下：

直方图

使用Matplotlib的hist()函数绘制直方图，hist()函数的一般用法为：

主要参数说明如下：
• bins：直方图中箱子 (bin) 的总个数。个数越多，条形带越紧密。
• color：箱子的颜色。
• normed：对数据进行正则化。决定直方图y轴的取值是某个箱子中的元素的个数 (normed=False), 还是某个箱子中的元素的个数占总体的百分比 (normed=True)。

正太分布

在介绍直方图之前，先来了解什么是正太分布。
正态分布也称常态分布，是连续随机变量概率分布的一种，自然界、人类社会、心理和教育中的大量现象均按正态形式分布。例如，能力的高低、学生成绩的好坏等都属于正态分布。正态分布曲线呈钟形，两头低，中间高，左右对称。因其曲线呈钟形，所以人们又经常称之为钟形曲线，如下图所示。

正态分布有两个参数，即均值和标准差。均值是正态分布的位置参数，描述正态分布的集中趋势位置。概率规律为：取与均值越近的值的概率越大，而取离均值越远的值的概率越小。

标准差描述正态分布资料数据分布的离散程度，标准差越大，数据分布越分散；标准差越小，数据分布越集中。标准差也是正态分布的形状参数，标准差越大，曲线越扁平；反之，标准差越小，曲线越瘦高。

绘制直方图，需要使用NumPy的np.random.randn(N)函数，这个函数的作用就是从标准正态分布中返回N个样本值。

示例：直方图，其完整代码如下：

参考：https://mp.weixin.qq.com/s/cXU-xpHG7sLRRSOYUXMXDQ