绘制基本曲线：
使用plot函数绘制函数曲线，可以调整plot函数参数，配置曲线样式、粗细、颜色、标记等。
设置坐标轴：
(1)spines方法移动坐标轴
(2)xlim方法设置坐标轴刻度取值范围
(3)xticks,yticks方法设置x,y轴的刻度标签值
(4)title方法设置标题，xlabel,ylabel方法设置坐标轴描述
设置图片上的描述：
(1)text方法设置图片上的文字描述和注解
(2)annotate方法对图片上某个点加注解
(3)legend方法设置图像图例，可使用如下两种方式:
1、在 plt.plot 函数中添加 label 参数后，使用 plt.legend(loc=’up right’)
2、不使用参数 label, 直接使用如下命令：
网格线开关：plt.grid(True)
图像显示：plt.show()
图像保存：savefig(‘…/ / .png’)
常用图形：
(1)曲线图:描绘波动,2个维度matplotlib.pyplot.plot(data)
(2)灰度图:直方图,1个维度matplotlib.pyplot.hist(data)
(3)散点图:2个维度数据的关联程度matplotlib.pyplot.scatter(data)
(4)箱式图:设定上下限,除数据噪声matplotlib.pyplot.boxplot(data)
(5)饼状图:各类别占比matplotlib.pyplot.pie(data)
一幅数据图基本包括如下结构：
Data: 数据区,包括数据点\描绘形状
Axis: 坐标轴,包括X轴\Y轴及其标签、刻度尺及其标签
Title: 标题,数据图的描述
Legend: 图例,区分图中包含的多种曲线或不同分类的数据
其他的还有图形文本 (Text)\注解 (Annotate)等其他描述
绘制基本曲线：
使用plot函数绘制函数曲线，可以调整plot函数参数，配置曲线样式、粗细、颜色、标记等。
%matplotlib inline
#图嵌入web窗口jupyter notebook中
import numpy as np
import matplotlib.pyplot as plt
#准备数据
x=np.arange(0.,10,0.2) #arange函数用于创建等差数组，与range函数非常类似，两者的区别仅仅是arange返回的是一个array()数据，而range返回的是list。
y1=np.cos(x) #余弦，直角三角形中锐角的邻边与斜边的比值
y2=np.sin(x) #正弦，直角三角形中锐角的对边与斜边的比值
y3=np.sqrt(x) #平方根
# print(plt.rcParams) #matplotlib配置文件信息
plt.rcParams['figure.figsize']=(12,8) #rcParams修改配置文件中的图片尺寸
plt.rcParams['font.sans-serif']=['SimHei'] #解决汉字显示问题
plt.plot(x,y1,color='blue',linewidth=1.5,linestyle='-.',marker='.',label=r'$y=cos{x}$')
plt.plot(x,y2,color='green',linewidth=2.5,linestyle='--',marker='*',label=r'$y=sin{x}$')
plt.plot(x,y3,color='m',linewidth=3.5,linestyle=':',marker='x',label=r'$y=sqrt{x}$')
plt.legend(loc='upper left') #图例,区分图中包含的多种曲线或不同分类的数据，需先在plot中使用label参数才能显示(有效位置：best、upper right、upper left、lower left、lower right、right、center left、center right、lower center、upper center、center)
#color参数设定线颜色
#linewidth参数设定曲线的粗细
#linestyle参数设定实线（-）、虚线（:）、双划线（--）、点划线（-.）
#marker参数设定在曲线上标记的特殊符号,以区分不同的线段
#label参数和图的legend标号有关
MATLAB中提供的线型属性有：
| 线型 |
说明 |
标记符 |
说明 |
颜色 |
说明 |
| - |
实线(默认) |
+ |
加号符 |
r |
红色 |
| -- |
双划线 |
o |
空心圆 |
g |
绿色 |
| : |
虚线 |
* |
星号 |
b |
蓝色 |
| :. |
点划线 |
. |
实心圆 |
c |
青绿色 |
|
|
|
x |
叉号符 |
m |
洋红色 |
|
|
|
s |
正方形 |
y |
黄色 |
|
|
|
d |
菱形 |
k |
黑色 |
|
|
|
^ |
上三角形 |
w |
白色 |
|
|
|
v |
下三角形 |
|
|
|
|
|
> |
右三角形 |
|
|
|
|
|
< |
左三角形 |
|
|
|
|
|
p |
五角星 |
|
|
|
|
|
h |
六边形 |
|
|
图：
设置坐标轴：
(1.)spines移动坐标轴
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
ax=plt.subplot(111) #设置一个空图
#隐藏顶部和右侧边框
ax.spines['right'].set_color('none') #set_color设置右边轴线为透明色
ax.spines['top'].set_color('none')
#边框定位
ax.xaxis.set_ticks_position('bottom') #设置水平轴上的坐标轴刻度
ax.spines['bottom'].set_position(('data',0)) #set_position设置轴位置:'center' -> ('axes',0.5)；'zero' -> ('data', 0.0)
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0.1))
图：
(2.)xlim方法设置坐标轴刻度取值范围
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(0.,10,0.2)
plt.xlim(x.min()*1.1,x.max()*1.1) #x.min()*1.1=0, x.max()*1.1=10.78
plt.ylim(-1.5,4.0)
图：
(3.)xticks,yticks方法设置x,y轴的刻度标签值
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(0.,10,0.2)
plt.xlim(x.min()*1.1,x.max()*1.1)
plt.ylim(-1.5,4.0)
plt.xticks([2,4,6,8,10],[r'two',r'four',r'six',r'8',r'10'])
plt.yticks([-1.0,0.0,1.0,2.0,3.0,4.0],[r'bottom',r'0.0',r'1.0',r'2.0',r'3.0',r'4.0'])
图：
(4.)title方法设置标题，xlabel,ylabel方法设置坐标轴描述
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(0.,10,0.2)
plt.xlim(x.min()*1.1,x.max()*1.1)
plt.ylim(-1.5,4.0)
plt.xticks([2,4,6,8,10],[r'two',r'four',r'six',r'8',r'10'])
plt.yticks([-1.0,0.0,1.0,2.0,3.0,4.0],[r'bottom',r'0.0',r'1.0',r'2.0',r'3.0',r'4.0'])
plt.title(r'$the \ function \ figure \ of \ cos(), \ sin() \ and \ sqrt()$',fontsize=19) #'\'号两侧必须各有一个空格字符,否则无法解析，fontsize参数设置字体大小
plt.xlabel(r'$the \ input \ value \ of \ x$',fontsize=18,labelpad=18.8) #labelpad参数设置描述距离轴远近
plt.ylabel(r'$y=f(x)$',fontsize=18,labelpad=12.5)
图：
设置图片上的描述：
(1.)text方法设置文字描述和注解
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(0.,1,0.02)
plt.xlim(x.min()*1.1,x.max()*1.1)
plt.ylim(-1.5,4.0)
plt.text(0.8,2.9,r'$x \in [0.0, 10.0]$',color='k',fontsize=10)
plt.text(0.8,0.8,r'$y \in [-1.0, 4.0]$',color='k',fontsize=10)
图：
(2.)annotate方法对某个点加注解
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(0.,10,0.2)
plt.xlim(x.min()*1.1,x.max()*1.1)
plt.ylim(-1.5,4.0)
plt.scatter([8,],[np.sqrt(8),],50,color='m') #使用散点图放大当前点
plt.annotate(r'$2\sqrt{2}$',xy=(8,np.sqrt(8)),xytext=(8.5,2.2),fontsize=16,color='#090909', arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=0.1',color='#090909'))
#xy参数设置'被注解点'的坐标,xytext参数设置'注解文字'的位置,arrowprops参数设置注解文字与被注解点的连接方式
图：
(3.)legend方法设置图像图例
可使用如下两种方式:
1: 在 plt.plot 函数中添加 label 参数后，使用 plt.legend(loc=’upper right’)
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(0.,10,0.2)
y1=np.cos(x)
y2=np.sin(x)
y3=np.sqrt(x)
plt.rcParams['figure.figsize']=(10,6) #reParams设置图片尺寸
plt.plot(x,y1,color='blue',linewidth=1.5,linestyle='-',marker='.',label=r'$y=cos{x}$')
plt.plot(x,y2,color='green',linewidth=1.5,linestyle='-',marker='*',label=r'$y=sin{x}$')
plt.plot(x,y3,color='m',linewidth=1.5,linestyle='-',marker='x',label=r'$y=\sqrt{x}$')
plt.legend(loc='upper right') #loc参数设置图例在图片中的位置
图：
2: 不使用参数 label, 直接使用如下命令：
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(0.,10,0.2)
y1=np.cos(x)
y2=np.sin(x)
y3=np.sqrt(x)
plt.rcParams['figure.figsize']=(10,6) #reParams设置图片尺寸
plt.plot(x,y1,color='blue',linewidth=1.5,linestyle='-',marker='.')
plt.plot(x,y2,color='green',linewidth=1.5,linestyle='-',marker='*')
plt.plot(x,y3,color='m',linewidth=1.5,linestyle='-',marker='x')
plt.legend(['cos(x)','sin(x)','sqrt(x)'],loc='upper right') #对好顺序
图：
网格线开关：plt.grid(True)
图像显示：plt.show()
图像保存：savefig(’…/imagetest/picname.png’,dpi=48)
常用图形：
(1)曲线图:描绘波动,2个维度matplotlib.pyplot.plot(data)
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(-5,5,0.1)
y=x**2
plt.plot(x,y)
plt.grid(True)
图：
(2)灰度图:直方图,1个维度matplotlib.pyplot.hist(data)
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
x=np.random.normal(size=1000) #正态分布，数量为1000
plt.hist(x,bins=10) #bins参数设置分桶数目
图：
(3)散点图:2个维度数据的关联程度matplotlib.pyplot.scatter(data)
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['figure.figsize']=(8,8)
x=np.random.normal(size=1000)
y=np.random.normal(size=1000)
plt.scatter(x,y)
图：
(4)箱式图:设定上下限,除数据噪声matplotlib.pyplot.boxplot(data)
箱式图(箱线图)科普：
上边缘（Q3+1.5IQR）、下边缘（Q1-1.5IQR）、IQR=Q3-Q1
上四分位数（Q3）、下四分位数（Q1）
中位数
异常值
处理异常值时与3σσ标准的异同：统计边界是否受异常值影响、容忍度的大小
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(-5,5,0.1)
plt.boxplot(x)
图：
(5)饼状图:各类别占比matplotlib.pyplot.pie(data)
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
sort=['Foxes','Cats','Dogs','Pigs']
sizes=[13,30,30,37]
color=['m','b','g','r']
explode=(0,0.1,0,0) #分离第2类,数值表示分离远近
plt.pie(sizes,explode=explode,labels=sort,colors=color,autopct='%1.1f%%',shadow=True) #autopct参数加百分比
图：
