python制作图_Python做图的方法

最近一直没有更新文章，在学习Machine learning。然后业余在kaggle那里瞎转，对Python常用的作图摸了个遍，本文将对这些作图方法做个简单介绍

一般我们作图主要是为了看数据分布、数据趋势、以及比较大小。常用的图包括：

line(折线图)：展示趋势

scatter (散点图)：展示分布(机械学习中经常使用)

bar (柱状图)：感觉柱状图主要是多项目的趋势比较

pie (饼图)：展示分布

box (箱型图)：展示单个项目数据的分布细节

heatmap (热力图)：主要是列联表表示数据相对大小

作图的工具有很多，例如Pandas、Seaborn、ggplot、Bokeh、Plotly、Pypal。而对于我来说，作图的工具主要就是两种matplotlib和seaborn两种。matplotlib可以在numpy数组里面使用，也可以处理pandas中的dataframe。

此外matplotlib还是python作图的基础包，大部分作图模块都是基于matplotlib来的，因此matplotlib的自定义属性最高。为了减少美化以及配色的麻烦，我一般时候喜欢作图的使用通过引用ggplot的style来解决美化问题：

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

plt.style.use('ggplot') ##使得作图自带色彩，这样不用费脑筋去考虑配色什么的；

%matplotlib inline

numpy array的作图

numpy数组主要是出现在python的数据分析里面，例如，在监督型学习的时候，需要做对分布的散点进行模式识别，并拟合。在拟合的过程中，需要用到梯度下降法，为了快速了解收敛的过程，需要对cost function进行监督。

在这里先不描述梯度下降法的作图方法，先简单介绍numpy数组的散点图以及拟合方法(注意poly1d不是拟合方法，而是一个多项式生成器，真正的拟合在polyfit那里)。通过linspace生成一组数据，并引入random&#