本文是在python3的环境下用matplotlib对绘制折线图和散点图的一些小练习和知识点总结，若有不足，还请各位大佬指点
1. 折线图的绘制（plot（））
1.1 简单折线图
这里先来绘制一个简单的折线图，代码如下
import matplotlib.pyplot as plt
data = [1,4,9,16,25]
plt.plot(data)
plt.show()
这里我们给的数据是1到5的平方，然后将data传参给函数plot（），这时候plot就会根据传入的data去绘制图形。最后调用show（）函数来查看并显示绘制的图形，如下
1.2 对折线图进行设置
图虽然画出来了，但发现画的并不标准，（5，25）这个点并没有显示出来，而且横轴，纵轴和线条比较小，观赏性比较差。那下面就来改变一下它的观赏性。
import matplotlib.pyplot as plt
data = [1,4,9,16,25]
plt.plot(data, linewidth=5)#linewidth修改线条的粗细
#设置图的标题，并给各坐标轴加上标签
plt.title("Square number", fontsize=15)
plt.xlabel("x", fontsize=15)
plt.ylabel("y", fontsize=15)
#设置各轴的刻度标记大小
plt.tick_params(axis='both', labelsize=15)
plt.show()
这里使用了linewidth参数来改变线的粗细，使用plt.title(),plt.xlabel和plt.ylabel来增加图的标题，X轴和Y轴的标签，以及参数fontsize来改变标签的大小；最后使用plt.tick_params()来设置坐标轴的刻度大小，结果如下
发现这次显然比上次更具有观赏性，但（5，25）的问题还是没有解决，接下来就是解决它了。
1.3 校正
为什么绘出来的图形是4的平方对应25呢？其实这跟我们提供的数据有关系，当我们只向plt.plot()函数提供一组data时，它会默认x轴的刻度从0开始，这就得出了上面的图形。接下来我们改变一下向plt.plot()传的参数
import matplotlib.pyplot as plt
x_data = [1,2,3,4,5]
y_data = [1,4,9,16,25]
plt.plot(x_data, y_data, linewidth=5)#linewidth修改线条的粗细
#设置图的标题，并给各坐标轴加上标签
plt.title("Square number", fontsize=15)
plt.xlabel("x", fontsize=15)
plt.ylabel("y", fontsize=15)
#设置各轴的刻度标记大小
plt.tick_params(axis='both', labelsize=15)
plt.show()
现在向plt.plot()传了x_data和y_data，现在来看一下效果，可以看到图已经校正了。
2. 散点图的绘制（scatter（））
2.1.绘制单个点
先来简单点的，绘制一个点，代码如下
import matplotlib.pyplot as plt
plt.scatter(3, 5)
plt.show()
看一下效果
虽然点是绘制出来了，但不够那么了然，接下来我们对其进行：添加标题，添加轴标签和调整轴刻度
如下
import matplotlib.pyplot as plt
plt.scatter(3, 5)
#设置图的标题，并给各坐标轴加上标签
plt.title("Point", fontsize=15)
plt.xlabel("x", fontsize=15)
plt.ylabel("y", fontsize=15)
#设置各轴的刻度标记大小
plt.tick_params(axis='both', labelsize=15)
plt.show()
可以看到，进行设置了后绘出的图更加具有可读性
2.2 绘制一系列的点
要想绘制一系列的点，就得传更多的点，这里还是以上面折线图的数据传参给plt.scatter(),如下
import matplotlib.pyplot as plt
x_data = [1,2,3,4,5]
y_data = [1,4,9,16,25]
plt.scatter(x_data, y_data,s=50)#相当于size，调节点的大小
#设置图的标题，并给各坐标轴加上标签
plt.title("Point", fontsize=15)
plt.xlabel("x", fontsize=15)
plt.ylabel("y", fontsize=15)
#设置各轴的刻度标记大小
plt.tick_params(axis='both', labelsize=15)
plt.show()
效果如下
要想绘制更多的点，这里可以改变传入的点数，下面画的是1000个点
import matplotlib.pyplot as plt
x_data = list(range(1,1001))
y_data = [x**2 for x in x_data]
plt.scatter(x_data, y_data,s=50)#相当于size，调节点的大小
#设置图的标题，并给各坐标轴加上标签
plt.title("Point", fontsize=15)
plt.xlabel("x", fontsize=15)
plt.ylabel("y", fontsize=15)
#设置各轴的刻度标记大小
plt.tick_params(axis='both', labelsize=15)
plt.show()
看效果，这里看起来是一条曲线，但实际上不是，而是因为每个点都有轮廓以及点数较多，所以看起来像一条曲线。我们设置scatter的edgecolor参数的值为none，以此来删掉每个点的轮廓，如下
plt.scatter(x_data, y_data, edgecolor='none', s=50)#相当于size，调节点的大小
2.3 着色
着色的话也主要是通过scatter里面的c参数来设置的。这里着色的话用了两方法，一个是直接将颜色的英文名赋给c参数，另外一种就是根据RGB来调。以下用两种方法来实现红色着色
import matplotlib.pyplot as plt
x_data = list(range(1,1001))
y_data = [x**2 for x in x_data]
plt.scatter(x_data, y_data, c='Red',edgecolor='none', s=50)#相当于size，调节点的大小
#设置图的标题，并给各坐标轴加上标签
plt.title("Red", fontsize=15)
plt.xlabel("x", fontsize=15)
plt.ylabel("y", fontsize=15)
#设置各轴的刻度标记大小
plt.tick_params(axis='both', labelsize=15)
plt.show()
RGB着色，只需要在上述代码中改变c参数即可。RGB分别代表红色，绿色和蓝色。值越接近1，代表指定的颜色越深，反之，如下
plt.scatter(x_data, y_data, c=(1,0,0), edgecolor='none', s=50)#相当于size，调节点的大小
可以看到两者实现的效果是一样的
2.4 颜色映射
这个比较有趣了，它可以从起始渐变到结束色，突出数据的规律。这里要改变的是scatter里的c参数和cmap参数，还是在上面的代码对plt.csatter()函数进行改动，如下
plt.scatter(x_data, y_data, c=y_data, cmap=plt.cm.Reds, edgecolor='none', s=50)#相当于size，调节点的大小
效果如下
本文是我第一次写，只是对自己学习的总结，希望对我这样的小白也有点用吧，哈哈!若有不足，还请各位大佬指点