基础操作：
导入:from matplotlib import pyplot as plt
设置图片大小:plt.figure(figuresize=(15,8),dpi=80)
图片保存本地： plt.savefig("./name.png")
展示图片：plt.show()
设置中文：
# 实列化一个字体对象，以便显示中文字体
my_font = font_manager.FontProperties(fname=r"C:\WINDOWS\FONTS\MSYH.TTC")
设置表名称：plt.title("名称",fontproperties=my_font) # 不设置字体无法显示中文
设置表x轴信息：plt.xlabel("日期",fontproperties=my_font)
设置表轴信息：plt.ylabel("度",fontproperties=my_font)
设置网格：plt.grid(apha)
图例：plt.legend(prop=my_font)
对x轴修饰：
plt.xticks(list1,list2,rotation=45,fontproperties=my_font)
list1必须和list2的个数一致，以便显示中文
折线图(plt.plot)
画图：
plt.plot(x,y,label="图例",color="red",linestyle="--")
散点图(plt.scatter)
plt.scatter(x,y)
直方图(plt.hist)
条形图(plt.bar)
各类图合适场景：
折线图plot:以折线的上升或下降来表示统计数量的增减变化的统计图 特点:能够显示数据的变化趋势，反映事物的变化情况。(变化)
直方图hist: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范围，纵轴表示分布情况。 特点:绘制连续性的数据,展示一组或者多组数据的分布状况(统计)
条形图bar:排列在工作表的列或行中的数据可以绘制到条形图中。 特点:绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计)
散点图scatter:用两组数据构成多个坐标点，考察坐标点的分布,判断两变量 之间是否存在某种关联或总结坐标点的分布模式。 特点:判断变量之间是否存在数量关联趋势,展示离群点(分布规律）