1の3つの方法のndarrayを作成します。
Pythonの変換の基本的なデータ構造から：
= [1,2,3 ]
A1 = np.array（A）
組み込み関数によって生成されたnumpyの
A2 = np.arange（10）
ファイルからの読み込み
A3 = np.loadtxt（R'd：\のshuju.csv '区切り文字='、」、のskipRows = 1、usecols =（1,4,6）、偽=アンパック）
2 numpyの中で関数を呼び出すのどちらの方法
方法：np.func（X）
方法2：x.func（）
注：ソート機能については、生成された新たなアレイを使用する方法は、Xは、直接現在のXを変更された方法2を使用して、オリジナルを変更しません
レンダリング3枚の基本的なグラフィックス
3.1散布
主に二つの変数の相関を観察するために使用されます。
一般にサイズ、色、ラベル、透明性などのような4つのパラメータを使用します：
plt.scatter（X、Y、S = 20、C = R ''、マーカー= '<'、アルファ= 0.3）
3.2折れ線グラフ
主な変数は、時間をかけて傾向を観察するために使用します。
一般的に使用される三つのパラメータ、ラインスタイル、色、マーク、例えば：
plt.plot（X、Y、ラインスタイル= ' - '、色= '赤'、マーカー= '<'
3.3バー
主に、異なるサイズの種類、データの通常より少ない量を比較するために使用されます。
一般的に使用される二つのパラメータ、色、幅、など。
plt.bar（左=指数、高さ= Y、色= '青'、幅= 0.8）
あなたは、水平方向を描画する必要がある場合は、次のようになります。
plt.barh（左= 0、ボトム=指数、高さ= Y、色= '赤'、幅= 0.8）
3.4ヒストグラム
データの分布を表すために使用されます。
plt.hist（X、色= '赤'、ビン= 10、偽= nomed）
二変量ヒストグラムを描く、など：
plt.hist2d（X、Y、ビン= 40）
3.5円グラフ
主にデータの総数の各比率のための一連のデータを表示するために使用されます。
ラボ= [ 'A'、 'B'、 'C'、 'D'] X = [20,10,40,30 ] EX = [0,0.05 、0,0] plt.pie（X、ラベル =ラボ、autopct = '％。02F %%'）= EXを爆発
3.6箱ひげ図
分散液は、主にデータのセットを表示するために使用されます。
plt.boxplot（データ）
3.7色
カラー4の方法が提供されています。
方法A：内蔵識別、赤、黄、緑、等の8色を使用して
方法2：影の方法を使用して、
方法3：16進モードを使用します
方法4：RGBタプルに基づく方法の使用
3.8スタイル
スタイルポイント：23種類
スタイルライン：4種類
3.9形式の文字列
カラー、スタイルドット、ラインパターンのような、一緒に書くことができます「RO-」。
3つの方法4枚のグラフィックスレンダリングの比較
4.1 pylab
バインディングnumpyの、クローズMATLABをmatplotlibの、お勧めできません
4.2 pyplot
高レベルのカプセル化方法、および使用するのは簡単
オブジェクト指向のアプローチ4.3
一番下に近い、より大きな能力をカスタマイズします
注意：実際のプロジェクトに基づいて推奨され、オブジェクト指向のアプローチpyplotの統合利用
5サブ描画
オブジェクト指向5.1を描きます
図= plt.figure（） AX1 = fig.add_subplot（121 ） ax1.plot（X1、X1の *のX1） AX2 = fig.add_subplot（122 ） ax2.plot（X1、X1）
pyplotを描くことにより、5.2
X1 = np.arange（10 ） plt.subplot（ 121 ） plt.plot（X1、X1の *のX1） plt.subplot（ 122 ） plt.plot（X1、X1）
以上の6描画
複数の図形オブジェクトを作成することで、複数のグラフィックスを描画することができます：
FIG1 = plt.figure（） AX1 = fig1.add_subplot（111 ） ax1.plot（x、y）の FIG2 = plt.figure（） AX2 = fig2.add_subplot（111 ） ax2.plot（x、y）は
7グリッドドロー
7.1 pyplotインタラクティブ
plt.grid（真）
また、（）plt.gridによってグリッドの色、線種などを設定することができます
7.2オブジェクト指向スタイル
ax.grid（真）
8凡例を追加します。
8.1 pyplot方法
plt.plot（X、Y、ラベル= 'こんにちは'）
plt.legend（）
8.2オブジェクト指向スタイル
plt.plot（X、Y、ラベル= 'こんにちは'）
ax.legend（）
軸範囲調整9は、座標
三つの方法：
モード：plt.axis（[値1、値2、値3、値4]）
第二の方法：plt.xlim（[値1、値2]）
三つの方法：plt.xlim（XMIN =値1、XMAX =値2）
軸のスケール調整10
plt.plot（x、y）は AX = plt.gca（） ax.locator_params（ 'X'、nbins個 = 5）
日付については、比較的複雑で、オブジェクト指向の方法：
datetime.datetimeの=スタート（2015,1,1 ） STOPは datetime.datetimeの（2016,1,1 = ） デルタ = datetime.timedelta（日= 1 ） 日付 = mpl.dates.drange（スタート、STOP、デルタ） Yを = np.random.rand（LEN（日付）） AX = plt.gca（） ax.plot_date（日付、Y） DATE_FORMAT = mpl.dates.DateFormatter（ '％Y-％M-％D'）日付書式設定ウィンドウ AX .xaxis.set_major_formatter（DATE_FORMAT） fig.autofmt_xdate（）適応窓は、日付モード表示 plt.showを（）
軸11を追加
11.1 pyplot方法
plt.twinx（）
plt.plot（X1、Y1）
11.2オブジェクト指向の方法
AX2 = ax1.twinx（）
ax2.plot（X、Y2）
ax2.set_ylabel（ 'Y2'）