1 创建ndarray的三种方式
从python的基础数据结构转化：
a=[1,2,3]
a1=np.array(a)
通过numpy内置函数生成
a2=np.arange(10)
从文件读取
a3=np.loadtxt(r’D:\shuju.csv’,delimiter=’,’,skiprows=1,usecols=(1,4,6),unpack=False)
2 numpy中调用函数的两种方法
方法一：np.func(x)
方法二：x.func()
注：对于sort函数，使用方法1将生成一个新的array，原来的x不变化，使用方法2则是直接改变了当前的x
3 基本图形绘制
3.1 散点图
主要用来观察两个变量的相关性。
常用的4个参数为尺寸，颜色，标记，透明度，如：
plt.scatter(x,y,s=20,c=’r’,marker=’<’,alpha=0.3)
3.2 折线图
主要用来观察变量随时间的变化趋势。
常用的3个参数，线型，颜色，标记，如：
plt.plot(x,y,linestyle=’-‘,color=’red’,marker=’<’
3.3 条形图
主要用来比较不同分类的大小，通常数据量较小。
常用的2个参数，颜色，宽度，如：
plt.bar(left=index,height=y,color=’blue’,width=0.8)
如果需要画成水平方向，则：
plt.barh(left=0,bottom=index,height=y,color=’red’,width=0.8)
3.4 直方图
用来表示数据的分布情况。
plt.hist(x,color=’red’,bins=10,nomed=False)
绘制双变量直方图，如：
plt.hist2d(x,y,bins=40)
3.5 饼状图
主要用来显示一系列数据中各数据占总数的比例。
lab=[‘A’,’B’,’C’,’D’] x=[20,10,40,30] ex=[0,0.05,0,0] plt.pie(x,labels=lab,autopct=’%.02f%%’,explode=ex)
3.6 箱线图
主要用来显示一组数据的分散情况。
plt.boxplot(data)
3.7 颜色
颜色的设置有4中方法：
方法一：使用内置标识，有8种颜色，如红色，黄色，绿色等
方法二：使用阴影方式
方法三：使用十六进制方式
方法四：使用基于RGB的元组方式
3.8 样式
点的样式：23种
线的样式：4种
3.9 样式字符串
可以将颜色、点的样式、线的样式写在一起，如’ro-.’
4 图形绘制的3种方式比较
4.1 pylab
matplotlib与numpy结合，接近于matlab，不推荐使用
4.2 pyplot
高层封装的方式，使用简单
4.3 面向对象的方式
更接近于底层，自定义能力更强
注：实战中推荐基于项目情况，综合使用pyplot和面向对象的方式
5 子图绘制
5.1 通过面向对象绘制
fig=plt.figure() ax1=fig.add_subplot(121) ax1.plot(x1,x1*x1) ax2=fig.add_subplot(122) ax2.plot(x1,x1)
5.2 通过pyplot绘制
x1=np.arange(10) plt.subplot(121) plt.plot(x1,x1*x1) plt.subplot(122) plt.plot(x1,x1)
6 多图绘制
通过创建多个figure对象，可以画出多个图形：
fig1=plt.figure() ax1=fig1.add_subplot(111) ax1.plot(x,y) fig2=plt.figure() ax2=fig2.add_subplot(111) ax2.plot(x,y)
7 网格绘制
7.1 pyplot交互式
plt.grid(True)
此外，还可以通过plt.grid()设置网格颜色，线型等
7.2 面向对象式
ax.grid(True)
8 添加图例
8.1 pyplot方式
plt.plot(x,y,label=’hello’)
plt.legend()
8.2 面向对象式
plt.plot(x,y,label=’hello’)
ax.legend()
9 坐标轴范围调整
三种方式：
方式一：plt.axis([值1,值2,值3,值4])
方式二：plt.xlim([值1,值2])
方式三：plt.xlim(xmin=值1,xmax=值2)
10 坐标轴刻度调整
plt.plot(x,y) ax=plt.gca() ax.locator_params(‘x’,nbins=5)
对于日期，相对要复杂一些,采用面向对象的方式：
start=datetime.datetime(2015,1,1) stop=datetime.datetime(2016,1,1) delta=datetime.timedelta(days=1) dates=mpl.dates.drange(start,stop,delta) y=np.random.rand(len(dates)) ax=plt.gca() ax.plot_date(dates,y) date_format=mpl.dates.DateFormatter(‘%y-%m-%d’) 设置窗口日期格式 ax.xaxis.set_major_formatter(date_format) fig.autofmt_xdate() 自适应窗口显示日期方式 plt.show()
11 添加坐标轴
11.1 pyplot方式
plt.twinx()
plt.plot(x1,y1)
11.2 面向对象方式
ax2=ax1.twinx()
ax2.plot(x,y2)
ax2.set_ylabel(‘Y2’)