matplotlib绘制
好久没有更新博客了，最近沉迷于画图，刚好写个博客来记录下，先给个漂亮的气泡图。
这个是使用matplotlib的散点图画出来的。具体的代码很简单，如下所示：
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import warnings
import random
import matplotlib as mpl
# 指定默认字体
plt.rcParams['font.sans-serif']=['SIMHEI']
# 用来正常显示负号-
plt.rcParams['axes.unicode_minus']=False
warnings.filterwarnings('ignore')
a = np.random.randn(100)
b = np.random.randn(100)
plt.figure(figsize=(12,10))
plt.scatter(a,b,s=np.power(10*a+20*b,2),
c=np.random.rand(100),
cmap=mpl.cm.RdYlBu,
marker="*")
plt.show()
#########################我是分割线######################################################
函数的具体参数如下，这是从网上抄的，关于这个参数含义的有一大堆具体是哪抄的忘记了。
scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)
x，y：array_like，shape（n，）
s：标量或array_like，shape（n，），可选
大小以点数^ 2。默认是`rcParams ['lines.markersize'] ** 2`。
c：颜色，顺序或颜色顺序，可选，默认：'b'
`c`可以是单个颜色格式的字符串，也可以是一系列颜色
规范的长度为`N`，或一系列`N`数字
使用通过kwargs指定的`cmap`和`norm`映射到颜色
（见下文）。请注意，`c`不应该是单个数字RGB或
RGBA序列，因为这与数组无法区分
值将被彩色映射。 `c`可以是一个二维数组，其中的
行是RGB或RGBA，但是，包括单个的情况
行为所有点指定相同的颜色。
marker：`〜matplotlib.markers.MarkerStyle`，可选，默认值：'o'
请参阅`〜matplotlib.markers`以获取有关不同的更多信息
标记分散支持的样式。 `marker`可以是
该类的实例或特定文本的简写
标记。
cmap：`〜matplotlib.colors.Colormap`，可选，默认：无
一个`〜matplotlib.colors.Colormap`实例或注册名称。
`cmap`仅在`c`是浮点数组时使用。如果没有，
默认为rc`image.cmap`。
norm：`〜matplotlib.colors.Normalize`，可选，默认：无
`〜matplotlib.colors.Normalize`实例用于缩放
亮度数据为0,1。`norm`只有在`c`是一个数组时才被使用
彩车。如果`None'，则使用默认值：func：`normalize`。
vmin，vmax：标量，可选，默认值：无
`vmin`和`vmax`与`norm`结合使用来标准化
亮度数据。如果其中任何一个都是`无'，那么最小和最大的
使用颜色数组。请注意，如果你通过一个“规范”实例，你的
`vmin`和`vmax`的设置将被忽略。
alpha：标量，可选，默认值：无
alpha混合值，介于0（透明）和1（不透明）之间，
linewidths：标量或array_like，可选，默认值：无
如果无，则默认为（lines.linewidth，）。
verts：（x，y）的序列，可选
如果`marker`为None，这些顶点将用于
构建标记。标记的中心位于
在（0,0）为标准化单位。整体标记重新调整
由``s``完成。
edgecolors ：颜色或颜色顺序，可选，默认值：无
如果无，则默认为'face'
如果'face'，边缘颜色将永远是相同的
脸色。
如果它是'none'，补丁边界不会
被画下来。
对于未填充的标记，“edgecolors”kwarg
被忽视并被迫在内部“面对”。
接着再来一张漂亮的棉棒图：
具体代码如下：
x = np.linspace(0.5,2*np.pi,20)
y = np.random.randn(20)
plt.figure(figsize=(10,8))
plt.stem(x,y,linefmt="-.")
for x1,y1 in zip(x,y):
if y1>0:
plt.text(x1,y1+0.1,np.round(y1,2),horizontalalignment='center')
else:
plt.text(x1,y1-0.1,np.round(y1,2),horizontalalignment='center')
plt.savefig(r'D:\360MoveData\Users\ASUS\Desktop\img\mianbang')
plt.show()
##################################分割线####################
函数及参数的解释如下：
matplotlib.pyplot.stem(x,y, linefmt=None, markerfmt=None, basefmt=None)
主要参数：
x: 棉棒的x轴基线的取值范围
y: 棉棒的长度
linefmt: 棉棒的样式，可选择{'-','--',':','-.'}，根据实际需求来选择
markerfmt: 棉棒末端的样式
basefmt: 指定基线的样式
label: 图例显示内容
极线图：
代码如下：
bars = 12
theta = np.linspace(0,2*np.pi ,bars ,endpoint=False)
plt.figure(figsize=(10,8))
plt.polar(theta,
c ='#FFC125',
marker='*',
mfc='r',
ms=20,
)
plt.savefig(r'D:\360MoveData\Users\ASUS\Desktop\img\jixian')
plt.show()
这样一看matplotlib画出来的图还是比较漂亮的，当然还有其他比较漂亮的图形就不一 一的说明了，不过作为静态的画图的库，我感觉matplotlib做出来的图形还是没有那些动态图库秀的，比如说pyecharts库，这个库是百度的echarts的接口，画出来的图都是经过js渲染的动态图，效果相当的花里胡哨，而且将低层封装了，使得调用起来比较简单。感兴趣的可以去看看。