机器学习和数据分析-Matplotlib安装与概述

一 : 图形介绍

1.折线图:可以显示随着时间变化的一些连续的数据,可以在相等的时间间隔下,数据的一些趋势,比如商品的销量,客户的满意度调查
2.柱状图(条形图):用高度不等的柱状条纹来表示数据的分布情况,通常用来比较在不同的时间或不同的条件下,两个或两个以上的值
3.水平柱状图:一般用于显示各个项目之间的比较情况
4.六角形的分相图:可以用来表示数据的分布,和数据的堆叠情况,或者使用不同的颜色深浅,来表示数据的大小
5.散点图:在回归分析中,数据点在直角坐标系平面上的分布图,散点图表示因变量随自变量而变化的大致趋势.在分类算法中,经常使用散点图,用来做不同类型的数据进行可视化分析
6.饼状图:可以在图表中绘制很多个数据,显示其每一项的大小与总和之间的比例.在做对比分析的时候,经常用饼状图来表示它们的比例
7.直方图:是有一些高度不等的纵向条纹或者线段,来表示数的分布情况.一般用横轴来表示数据的类型,纵轴表示分布情况.
8.箱线图:是一组用作数据显示分散情况的统计图,形状像一个箱子.通常会在箱线图里面画出:3/4分位数,1/4分位数,确定一个上边界和下边界,将上下边界以外的数据,通常标记为异常值
9.3D图形:3D模型建设

二 : 安装: pip install matplotlib

三 : 绘制图形

1.启动jupyter notebook
2.创建一个新的noteboot,并导入matplotlib

import matplotlib.pyplot as plt

2.创建两个矩阵,并将数据分别保存到a.txt和b.txt中

#导入numpy
import numpy as np
#创建第一个矩阵
a=np.random.randint(0,10,60).reshape(-1,2)
#将数据保存在a.txt中
np.savetxt("a.txt",a)
#创建第二个矩阵
b=np.random.randint(0,10,60).reshape(-1,2)
#将数据保存在b.txt中
np.savetxt("b.txt",b)

3.导入a.txt和b.txt中的数据

a = np.loadtxt('a.txt')
b = np.loadtxt('b.txt')

4.把a中的第一列作为X轴,第二列作为Y轴.b也是如此

plt.scatter(a[:,0],a[:,1])
plt.scatter(b[:,0],b[:,1])
#调用show()方法显示出来
plt.show()