fig, ax = plt.subplots(figsize=(6,5)) #建立一个fig对象，建立一个axis对象
(也可以
fig=plt.figure()
ax=fig.add_subplot(111)
来创建 只不过比较复杂 )
matplotlib.pyplot.subplots(nrows=1, ncols=1,sharex=False, sharey=False,squeeze=True,subplot_kw=None, gridspec_kw=None, **fig_kw)
创建一个画像(figure)和一组子图(subplots)。（现在的理解就是用来显示一组（多个）图）nrow和ncol表示行数和列数，也可以理解为一共有nrow*ncol个图
nrows,ncols：整型，可选参数，默认为1。表示子图网格(grid)的行数与列数。
sharex,sharey：布尔值或者{'none','all','row','col'}，默认：False
控制x(sharex)或y(sharey)轴之间的属性共享：
1.True或者'all'：x或y轴属性将在所有子图(subplots)中共享.
2.False或'none'：每个子图的x或y轴都是独立的部分
3.'row'：每个子图在一个x或y轴共享行(row)
4.'col':每个子图在一个x或y轴共享列(column)
当子图在x轴有一个共享列时('col'),只有底部子图的x tick标记是可视的。
同理，当子图在y轴有一个共享行时('row'),只有第一列子图的y tick标记是可视的。
plt.plot(x,y,label=' ') 或者 ax.plot(x,y,label=' ')
绘制y 关于x的函数图像曲线
ax.legend() 或者 plt.legend()用于图例显示 loc表示位置，（也就是曲线的名称）
plt.xlabel(' ') 或者 ax.set_xlabel(' ') x轴的名称
plt.ylabel(' ') 或者 ax.set_ylabel(' ') y轴的名称
plt.title(' ') 或者 ax.set_title(' ') 整幅图像的名称
绘制散点图：
ax.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)#设置散点的各个参数
plt.scatter()
（marker表示形状，c表示颜色，label表示元素名称）注意颜色不是一个单一的，而是一个二维行数组。
绘制图片：
ax.imshow(X,cmap=None,norm=None,aspect=None,interplotation=None,alpha=None,Vmin=None,vmax= None,origin=None,extent=None,shape=None,filternorm=1,filterrad=4.0,imlim=None,resample=None,url=None,hold=None,data=None, **kwargs)
X：类数组对象(array_like)，shape(n,m) 或者(n,m,3)或者(n,m,4)
把X表示的图片显示在当前坐标轴中。X可以是类数组形式、或者PIL图片。
cmap：默认"None"，可设为 “colormap"
如果是“None”，默认rc值符合 image.cmap 。如果X是3-D，则cmap会被忽略，而采用 具体的RGB(A)值。
plt.contourf(X,Y,height(X,Y),10,alpha=0.75,cmap=plt.cm.hot)
前三个参数依次为 X, Y, Z(高度)
#为等高线填充颜色 10表示按照高度分成10层 alpha表示透明度 cmap表示渐变标准
plt.xticks() ax.set_xticks()
set_xticks和set_xticklabels。前者告诉matplotlib要将刻度放在数据范围中的哪些位置，默认情况下，这些位置也就是刻度标签。但我们可以通过set_xticklabels将任何其他的值用作标签：
对于yticks同理
plt.grid(True, linestyle = "-.", color = "r", linewidth = "3") ax.grid()
True 显示网格
linestyle 设置线显示的类型(一共四种)
color 设置网格的颜色
linewidth 设置网格的宽度