python3机器学习经典算法与应用之matplotlib

matplotlib

matplotlib是用于图形可视化的库。
事实简单的绘图处理，我们需要的只是matplotlib中的pyplot子模块。
首先我们先导入库，通常我们将matplotlib简化为mpl，其子模块pyplot简化为plt。
然后创建一个0~10，等距划分100个点的数组。计算这个数组中每一个元素的sin值，只需要使用numpy.sin()方法计算得到一个每个元素的sin值的数组。

数组y的元素值为数组x元素值的sin值。

然后我们尝试绘制x和y的图形，来观察x和y = sin(x)的关系。
使用plt.plot()函数绘制图像，其中第一个参数值为x坐标(x数组)，第二个参数值为y坐标(y数组)，正常来说不应该绘制出来的。应该先plt.plot()进行计算，然后plt.show()函数后才显示出来。这里顺序不重要，只有能看出来就可以。本身绘制图像是由100个点组成的，由于点与点之间的距离很近，所以就呈现出一条平滑曲线的形状。如果点与点之间的距离比较远，平滑程度就是下降。

绘制多条曲线：只需要使用多次plt.plot()函数即可，然后统一使用plt.show()函数。

同时曲线也可以根据个人喜好进行设置，必然设计颜色值、样式等。color参数用于指定绘制元素的颜色值。颜色值的选择可以查看官方文档，通常颜色值可以用英文或者16进制数表示。

参数linestyle用于指定线条的样式。


绘图时默认根据元素值确定取值范围。同时也可以自己规定x轴和y轴的取值范围。可以使用plt.xlim()方法和plt.ylim()方法规定取值范围。

如果想要一次性对两个维度都进行规定可以使用plt.axis()方法。参数为一个包含四个元素的列表，其中前两个元素表示x轴的取值范围，后两个元素表示y的取值范围。

给x轴和y轴添加标签(x轴和y轴分别代表什么)
可以使用plt.xlable()和plt.ylable()方法。直接将要表示的值组织成字符串作为参数传递进去就可以。

给绘制的曲线加入图示。首先在创建曲线的时候要传入label参数，参数值为曲线的名称。然后使用plt.legend()。plt将在合适的位置给加入图示。
给绘制出来的图像起一个整体的名字，可以使用plt.title()方法。将标题组织成字符串作为参数传进去。

scatter Plot(散点图)

绘制散点图使用plt.scatter()，其参数是两个列表，分别是各个点的x坐标数组和y坐标数组。同样散点图也可以指定点的颜色。

以下示例绘制x和y服从标准正太分布的点集。其中alpha参数表示透明度，其取值为[0,1]，其中0表示全透明，1表示不透明，0.5表示半透明。可以观察到点越密集的地方颜色越深。