数据分析之(1)--matplotlib.pyplot

相关链接
NumPy 官网
NumPy 源代码
SciPy 官网
SciPy 源代码：
Matplotlib 官网：
Matplotlib 源代码：
pandas visualization官方文档：

安装 matplotlib 库

import matplotlib.pyplot as plot
import numpy as np
#实例 操作 通过两个坐标 绘制 一条线段
xpoints = np.array([0,6])
ypoints = np.array([0,100])
plot.plot(xpoints,ypoints)
plot.show()

以上实例中我们是用pyplot 的plot()函数，
plot()函数是绘制二维图形的最基本函数
plot() 用于画图它可以绘制点和线段，语法格式如下：

# 1，绘制单条线
plot([x],y,[fmt],*,data=None,**kwargs)
# 2，绘制多条线
plot（[x],y,[fmt],[x2],y2,[fmt2],....,**kwargs）

参数说明：
x,y: 点或线的节点，x 为 x 轴数据，y 为 y 轴数据，数据可以列表或数组。
fmt: 可选，定义基本格式（颜色，标记和线条样式）。
** kwargs: 可选，用在二维平面图上，设置指定属性，如标签，线的宽度等。
plot(x,y) # 创建y中数据与x中对应值的二维线图，使用默认样式
plot（x,y,“bo”） # 创建y中数据与x中对应值的二维线图，使用蓝色 实心圈绘制
plot(y) # x的值为0…n-1
plot(y,“r+”) # 使用红色 + 号

实例：

plot.plot(range(1,100))
plot.show()

颜色字符："b"蓝色，“m”洋红色，“g”绿色，“y”黄色，“r” 红色,“k”黑色，"w"白色，“c”青绿色，
"#008000"RGB 颜色符串

多条曲线不指定颜色时，会自动选择不同颜色。

线性参数: “-” 实线 ， “–” 破折线 “-.” 点划线’‐.’ 点划线， ‘:’ 虚线。

标记字符：‘.’ 点标记，‘,’ 像素标记(极小点)，‘o’ 实心圈标记，‘v’ 倒三角标记，‘^’ 上三角标记，‘>’ 右三角标记，‘<’ 左三角标记… 等等。

---

如果我们要绘制坐标 1，3 到 8，10的线 ，我们就需要传递两个数组，[1,8]和[3,10] 给plot 函数

xp = np.array([1,8])
yp = np.array([3,10])
plot.plot(xp,yp)
plot.show()

如果 我们只是想获取 对应的两个点 我们可以

xp = np.array([1,8])
yp = np.array([3,10])
plot.plot(xp,yp,"o")
plot.show()

绘制任意数量的点，只需确保两个轴上的点数相同即可。

绘制一条不规则线，坐标为(1,3),(2,8),(6,1),(8,10),对应的两个数组为：[1,2,6,8] 和 [3,8,1,10].

import matplotlib.pyplot as plt
import numpy as np
xp = np.array([1,2,6,8])
yp = np.array([3,8,1,10])
plt.plot(xp,yp)
plt.show() 

如果我们不指定 x 轴上的点，则 x 会根据 y 的值来设置为 0, 1, 2, 3…N-1。

import matplotlib.pyplot as plt
import numpy as np
ypoints = np.array([3, 10])
plt.plot(ypoints)
plt.show()

从上图可以看出 x 的默认值设置为【0，1】

安排一个实例

import matplotlib.pyplot as plt
import numpy as np
yp = np.array([3,8,1,10,5,7])
plt.plot(yp)
plt.show()

从上图可以看出x 的 值 默认设置为[0,1,2,3,4,5]

二维数组 中 只有一项 y 有数据 且 数据 不规则 则会自动生成新的 x值

绘制一个正弦和余弦图 ，在 plt.plot()参数中包含两对x,y值，第一对是x,y，这对应正弦函数，第二对x,z 对应余弦函数。

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0,4*np.pi,0.1)  # start stop step
y = np.sin(x)
z = np.cos(x)
plt.plot(x,y,x,z)
plt.show()

官网链接