import matplotlib.pyplot as plt
import numpy as np
1.图例(legend):plt.lengend()
1. matplotlib 数据基本的可视化
x = np.linspace(1,10,50) #从1到10,左闭右闭,均匀间隔的产生100个数
siny=np.sin(x)
cosy=np.cos(x)
(1)#折线图的绘制,折线图的横坐标一般代表特征,折线图的纵坐标一般表示取值
#绘制一个图形
plt.plot(x,siny)
plt.show() # 注意:最后必须有这句话,图片才会呈现出来
#在一个图里绘制两个图形,多个图形同理
plt.plot(x,siny)
plt.plot(x,cosy)
plt.show() # 注意:最后必须有这句话,图片才会呈现出来
#. 图形的一些具体的设置
plt.plot(x,siny,color='r',linestyle='--',marker = 'o',label='sin(x)') #颜色,线型,标记,图例
plt.plot(x,cosy,color='b',linestyle='-',marker = '^',label='cos(x)')
plt.xlim(-1,15) #x轴的取值范围
plt.ylim(-1.5,1.5) # y轴的取值范围
#plt.axis([-1,15,-1.5,1.5]) #等价于 上边的两句话,均为设置坐标轴的范围
plt.xlabel("x") #绘制x坐标轴的标识
plt.ylabel('y') #绘制y坐标轴的标识
plt.legend() #绘制图例
plt.title('compare sin and cos') #绘制标题
#plt.show()
(2) 散点图的绘制,散点图的 横纵坐标一般均表示特征,有二维特征时,可用散点图
plt.scatter(x,siny)
plt.scatter(x,cosy)
plt.show()
x = np.random.normal(0,1,100000)
y = np.random.normal(0,1,100000)
plt.scatter(x,y,alpha=0.5) #二维正态分布图,alpha 为透明度,根据需要,使可视化的效果更好
plt.show()
# 一些其他的东西,有待后续继续学习和发现
plt.rcParams['figure.figsize'] = (10.0, 8.0) #显示图像的最大空间
plt.rcParams['image.interpolation'] = 'nearest' #差值方式?
plt.rcParams['image.cmap'] = 'gray'#灰度空间
(3) matplotlib调整子图间距,调整整体空白
fig.tight_layout()#调整整体空白
plt.subplots_adjust(wspace =0, hspace =0)#调整子图间距