matplotlib是python中的一个数据可视化库，可以做出很多数据统计图，下面来说一说matplotlib的一些基本使用。
1.首先引入和数据分析有关的库。
import pandas as pd import matplotlib.pyplot as plt import numpy as np
2.然后使用pandas读入数据。
3. fig = plt.figure(figsize=(m,n)) ：规定一个长为m，宽为n的画图区域。
4. plt.xlabel("") ：规定横轴名称。
5. plt.ylabel("") ：规定纵轴名称。
6. plt.title("") ：规定图像名称。
7. plt.xticks(rotation=k) ：将x轴的各标签旋转k度。
进群：960410445 即可获取数十套PDF！
8. plt.legend(loc="best) ：添加图例，loc为图例的位置，传入best系统会自动寻找最佳的图例位置。下图为绘制五条折线。
fig = plt.figure(figsize=(10,7)) #规定绘图区域大小
color = ["green","cyan","yellow","red","black"] #指定五条折线的颜色
plt.xlabel("Month")
plt.ylabel("Unemployment Rate")
plt.title("Unemployment Statics Trend,1948")
for i in range(5):
x = i*12
y = (i+1)*12
subset = unrate[x:y]
label = str(1948+i)
plt.plot(subset["MONTH"],subset["VALUE"],c=color[i],label=label)
plt.legend(loc="best") #添加图例到最佳显示位置
plt.show()
9. fig.add_subplot() ：添加子图绘制区域。
fig = plt.figure(figsize=(10,8)) ax1 = fig.add_subplot(2,2,1) #指定子图位置 ax2 = fig.add_subplot(2,2,2) ax3 = fig.add_subplot(2,2,3) ax4 = fig.add_subplot(2,2,4) plt.show()
10. ax.set_xticks() ：指定x轴绘图坐标。
11. ax.set_xticklabels() ：指定x轴每个标签的名字。
12. ax.set_xlabel() 、 ax.set_ylabel() 、 ax.set_title() ：分别指定x轴，y轴，图像名称。
num_cols = ['RT_user_norm', 'Metacritic_user_nom', 'IMDB_norm', 'Fandango_Ratingvalue', 'Fandango_Stars']
bar_heights = norm_reviews.loc[0,num_cols].values
print(bar_heights)
bar_positions = np.arange(5)
print(bar_positions)
tick_positions = range(0,5)
fig,ax = plt.subplots(figsize=(10,8)) #用ax画图，fig控制区域
plt.bar(bar_positions,bar_heights,0.6) #0.6表示所画条形图每个图形的宽度
ax.set_xticks(tick_positions)
ax.set_xticklabels(num_cols,rotation=45)
ax.set_xlabel("Rating Source")
ax.set_ylabel("Average Rating")
ax.set_title("Average User Rating For Avengers:Age of Ultron(2015)")
plt.show()
13.如果要让条形图横着画，只需将绘制条形图的命令 plt.bar() 改为 plt.barh() ，如果有需要再重新指定一下自己所需的横纵坐标即可。
14. plt.scatter() ：绘制散点图。
15. plt.hist(x,bins=k,range=(m,n)) ：绘制直方图，bins指定绘制出数据的条数，range()指定直方图横坐标的取值范围。
16. ax.boxplot() ：绘制盒形图，盒形图可以直观的观察出数据的离群点，也就是不符合规范的数据，具体到seaborn库时会讲。