Python以及线性回归复习整理（二）Matplotlib

1.绘制流程

2.基础语法及函数

plt.figure() 创建一个空白画布，可以指定画布大小及像素

figure.add_subplot() 创建并选中子图，可以指定子图行数，列数，以及选定图片编号

 

plt函数

.title() 

.xlabel() #在当前图片中添加x轴名称，可以指定位置颜色， 字体大小

.ylabel() #同上

.xlim()   #指定当前x轴的范围[lb,ub]，只能确定一个数值区间，不能用字符串表示

.ylim() #同上

.xticks() #指定x轴的数目及取值 , xtick是刻度（小竖线）

.yticks() #同上

.legend() #指定当前图形的图例，可以指定图例的大小、位置、标签。

.savefig() #保存绘制的图片

.show() #屏幕上显示图片

 

3.设置pyplot的动态rc参数

pyplot使用rc配置文件来自定义图形的各种默认属性，被称为rc配置或rc 参数。 在pyplot中几乎所有的默认属性都是可以控制的，例如视图窗口大小以及 每英寸点数、线条宽度、颜色和样式、坐标轴、坐标和网格属性、文本、 字体等。

 

散点图（scatter diagram）

散点图（scatter diagram）又称为散点分布图，是以一个特征为横坐标，另一个特征为纵坐标，利用坐标点（散点）的 分布形态反映特征间的统计关 系的一种图形。 值是由点在图表中的位置表示， 类别是由图表中的不同标记表示，通常用于比较跨类别的数据

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, alpha=None, **kwargs)

直方图（bar）

直方图（Histogram）又称质 量分布图，是统计报告图的一 种，由一系列高度不等的纵向 条纹或线段表示数据分布的情 况，一般用横轴表示数据所属 类别，纵轴表示数量或者占比。 用直方图可以比较直观地看出 产品质量特性的分布状态， 便于判断其总体质量分布情况。 直方图可以发现分布表无法发现的数据模式、样本的频率分 布和总体分布

饼图（pie）

 

饼图（Pie Graph）是将各项 的大小与各项总和的比例显示 在一张“饼”中，以“饼”的 大小来确定每一项的占比

饼图可以比较清楚地反映出部 分与部分、部分与整体之间的 比例关系，易于显示每组数据 相对于总数的大小，而且显现 方式直观。