matplotlib数据可视化简明教程----下（以及random的一些函数应用）

我们先来说一下当我们需要大量特定的随机数据时，如何用random模块实现呢？
1、numpy.random.seed()与numpy.random.RandomState()，这两个功能都是使每次随机生成数一样；
2、numpy.random.rand()
官方文档中给出的用法是：numpy.random.rand(d0,d1,…dn)
以给定的形状创建一个数组，并在数组中加入在[0,1]之间均匀分布的随机样本。
例如：a=np.random.rand(3,3),就是创建一个3行3列的二维数组，里面的数字是0到1的随机数。
3、numpy.random.randn()
官方文档中给出的用法是：numpy.random.rand(d0,d1,…dn)
以给定的形状创建一个数组，数组元素来符合****标准正态分布N(0,1)
4、numpy.random_sanmple()
官方文档中给出的用法是：
numpy.random.random_sample(size=None)
以给定形状返回[0,1)之间的随机浮点数
5、numpy.random.choice()
官方文档中给出的用法：
numpy.random.choice(a,size=None,replace=True,p=None)
若a为数组，则从a中选取元素；若a为单个int类型数，则选取range(a)中的数
replace是bool类型，为True，则选取的元素会出现重复；反之不会出现重复
p为数组，里面存放选到每个数的可能性，即概率 。

1、频次直方图、数据区间划分和分布密度
频次直方图、数据区间划分和分布密度。

`plt.style.use('seaborn-white') 
 data = np.random.randn(1000) 
plt.hist(data)`

其中hist可以加很多参数调整效果，最主要的就是bins，代表x轴有几个分类。

就像将一维数组分为区间创建一维频次直方图一样，我们也可以将二维 数组按照二维区间进行切分，来创建二维频次直方图。下面将简单介绍几种创建二维频次直方图的方法。首先，用一个多元高斯分布 （multivariate Gaussian distribution）生成 x 轴与 y 轴的样本数据：

mean = [0, 0] 
cov = [[1, 1], [1, 2]] 
x, y = np.random.multivariate_normal(mean, cov, 10000).T
plt.hist2d(x, y, bins=30, cmap='Blues') 
cb = plt.colorbar() 
cb.set_label('counts in bin')

plt.hexbin：六边形区间划分 二维频次直方图是由与坐标轴正交的方块分割而成的，还有一种常 用的方式是用正六边形分割。Matplotlib 提供了 plt.hexbin 满足 此类需求，将二维数据集分割成蜂窝状。
plt.hexbin(x, y, gridsize=30, cmap=‘Blues’)
cb = plt.colorbar(label=‘count in bin’)

核密度估计
还有一种评估多维数据分布密度的常用方法是核密度估计（kernel density estimation，KDE）。我们将在后面详细介绍这种方法，他的作用是拟合出一个平滑的函数，使图像看起来平滑。在 scipy.stats 程序包里面有 一个简单快速的 KDE 实现方法。

2、多子图
有时候需要从多个角度对数据进行对比。Matplotlib 为此提出了子图 （subplot）的概念：在较大的图形中同时放置一组较小的坐标轴。这些 子图可能是画中画（inset）、网格图（grid of plots），或者是其他更复 杂的布局形式。我们介绍四种创建子图的方法。
1、plt.axes()
创建坐标轴最基本的方法就是使用 plt.axes 函数。前面已经介绍过， 这个函数的默认配置是创建一个标准的坐标轴，填满整张图。它还有一 个可选参数，由图形坐标系统的四个值构成。这四个值分别表示图形坐 标系统的 [bottom, left, width, height]（底坐标、左坐标、宽度、高度），数值的取值范围是左下角（原点）为 0，右上角为 1。 如果想要在右上角创建一个画中画，那么可以首先将 x 与 y 设置为 0.65（就是坐标轴原点位于图形高度 65% 和宽度 65% 的位置），然后 将 x 与 y 扩展到 0.2（也就是将坐标轴的宽度与高度设置为图形的 20%）。

 ax1 = plt.axes() # 默认坐标轴 
 ax2 = plt.axes([0.65, 0.65, 0.2, 0.2])

2.2 plt.subplot：简易网格子图
若干彼此对齐的行列子图是常见的可视化任务，Matplotlib 拥有一些可 以轻松创建它们的简便方法。最底层的方法是用 plt.subplot() 在一 个网格中创建一个子图。这个命令有三个整型参数——将要创建的网格 子图行数、列数和索引值，索引值从 1 开始，从左上角到右下角依次增大。

plt.subplots_adjust 命令可以调整子图之间的间隔。

2.3 plt.subplots()
当你打算创建一个大型网格子图时，就没办法使用前面那种亦步亦趋的 方法了，尤其是当你想隐藏内部子图的 x 轴与 y 轴标题时。出于这一需 求，plt.subplots() 实现了你想要的功能（需要注意此处 subplots 结尾多了个 s）。这个函数不是用来创建单个子图的，而是用一行代码创建多个子图，并返回一个包含子图的 NumPy 数组。关键参数是行数 与列数，以及可选参数 sharex 与 sharey，通过它们可以设置不同子 图之间的关联关系。
2.4 plt.GridSpec()
如果想实现不规则的多行多列子图网格，plt.GridSpec() 是最好的工 具。plt.GridSpec() 对象本身不能直接创建一个图形，它只是 plt.subplot() 命令可以识别的简易接口。
3,4两种方法具体实现大家可以自行查阅，我仅仅是抛砖引玉。