matplotlib

import matplotlib.pyplot as plt
import numpy as np

plt.plot()绘制线性图

• 绘制单条线型图
• 绘制多条线型图
• 设置坐标系的比例plt.fugure(figsize=(a,b))
• 设置图例legend()
• 设置轴的标识
• 图例保存
  • fig=ply.figure()
  • plt.plot(x,y)
  • figure.savefig()
• 曲线的样式和风格（自学）

#绘制单条线型图
x = np.array([1,2,3,4,5])
y = x + 3

plt.plot(x,y)

#绘制多条线型图
#方法一
plt.plot(x,y)
plt.plot(x+1,y-2)
#方法二
plt.plot(x,y,x+1,y-2)

#设置坐标系的比例plt.fugure(figsize=(a,b))
plt.figure(figsize=(5,9))#要放置在绘图的plot之前
plt.plot(x,y)

#设置图例legend()
plt.plot(x,y,label='x,y')
plt.plot(x+1,y-2,label='x+1,y-2')
plt.legend()

#设置轴的标识
plt.plot(x,y)
plt.xlabel('temp')
plt.ylabel('dist')
plt.title('dist&temp')

#图例保存
#fig=ply.figure()
#plt.plot(x,y)
#figure.savefig()
fig = plt.figure()#对象的创建一定要放在plot绘图之前
plt.plot(x,y,label='x,y')
fig.savefig('.123.png')

#曲线的样式和风格（自学）
plt.plot(x,y,c='blue',alpha=0.5)

柱状图：plt.bar()

• 参数：第一个参数是索引。第二个参数是数据值。第三个参数是条形的宽度

plt.bar(x,y)#纵向

plt.barh(x,y)#横向

直方图

• 是一个特殊的柱状图，又叫做密度图
• plt.hist()的参数
  • bins 可以是一个bin数量的整数值，也可以是标识bin的一个序列。默认值为10
  • normed 如果值为True，直方图的值将进行归一化处理，形成概率密度，默认值为Flase
  • color 指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合，例如DataFrame对象，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
  • orientation 通过设置orientation为horizontal创建水平直方图。默认值为vertical

data=[1,2,3,3,3,4,5,6,6,6,6,6,7,7,7,7,8,0,0,8]
plt.hist(data,bins=20)

饼图

• pie()，饼图也只有一个参数x
• 饼图适合展示各个部分总体的比例，条形图适合比较各部分的大小

#方法一
arr=[11,22,34,15]
plt.pie(arr)
#方法二
plt.pie([11,22,34,15])

#标签
arr=[11,22,34,15]
plt.pie(arr,labels=['a','b','c','d'])

#标签距离圆心位置
arr=[11,22,34,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3)

#标签数据显示与格式
arr=[11,22,34,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,autopct='%.2f%%')

#每个饼离圆心的距离
arr=[11,22,34,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,explode=[0.2,0.3,0.2,0.4])

散点图scatter()

• 因变量随自变量而变化的大致趋势

x = np.array([1,3,5,7,9])
y = x**2-3

plt.scatter(x,y)