plt6种基本图形及基础

np的创建

np的切片

np调用函数

6中基本图形的画法：

散点图scatter(),4个参数，分别是c 点的形状,s点的大小，alpha透明度，marker点形状
散点图显示2组数据的值，每个点坐标位置由变量的值决定
由一组不连接的电玩城，用具观察两种变相的相关性
例如：身高-体重，温度-纬度等

散点图最大的作用就是研究两个变量的相关性
相关性一般来说有三种：正相关，负相关和不相关

这里两个变量，每个变量都是1000个随机数，看他们的相关性，可以看到，这个图形没有一个明显的趋势，所以可以判断x和y没有相关性

这里x取1000个随机数，y取x有关的值，可以明显的发现是正相关

折线图（3个参数，1.线型：linestyle，2.颜色：color，3.点形状：marker）
折线图是用直线段将各数据连接起来组成的图形
常用来观察数据随时间变化的趋势
例如股票价格，温度变化等
下面的例子，x从-10到10取均分取5个数字，y取x的平方，绘制出5个点的折线图

条形图（plt.bar(),2个参数：1.color:颜色，2.width：宽度）：

如果想绘制水平的条形图，可以在plt.bar中增加参数orientation = “horizontal”

为了简化参数，还提供了另外一种函数
plt.barh

北京和伤害某商品的销量条形图，可以用作对比
这种对比图或者层叠图的核心就是第二个变量的横坐标或者纵坐标，用横坐标+宽度或者bottem=第一个变量的高度
直方图（hist，3个参数，1：bins直方图中总共有多少个直方，color颜色，normed，布尔型变量，是否对数据标准化）：
有一系列高度不等的纵向条形组成，表示数据的分布
例如某年级同学的身高分布情况
注意和条形图的区别（直方图通常用来连续性数值型数据，分组是用连续型的方式分组，并且可以自定义；条形图通常用来展示不同类别的数据，而且这个类别通常不能自定义和不连续）

双变量的直方图：
用颜色深浅代表频率的大小
可以看到，x中间点对应的是2，y中间点对应的是3，越在中心越量，探索双变量的联合分布

饼状图（pie）：
饼状图显示一个数据系列中各项的大小与各项综合的比例
饼状图的数据点显示为整个饼状图的百分比
比如前十大品牌占市场份额图

如果想把某一块突出显示，需要用到explode，它会让这部分离开圆心

箱型图
箱型图（Box-plot）又称为盒须图，盒式图或者箱线图
是一种用作显示一组市局分散情况资料的统计图
上边缘，上四分位数，中位数，下四分位数，下边缘，异常值

颜色和样式

8种内建颜色缩写：
b:bule
g:green
r:red
c:cyan
m:magenta
y:yellow
k:black
w:white
其他颜色表示方法
1.灰色阴影
2.html 十六进制
3.RGB元组
测试三种方法：

点和线的样式：
点的形状：23种
我们可以看到，不写marker就不会连线，写了就会自动连线，并且每个点形状不同，颜色就会自动变化

线的形状：4种

样式字符串：
可以将颜色，点形，线型写成一个字符串
比如：cx-- mo：

编程方式：面向对象VS Matlab Style

pyolot:经典高层封装
ptlab：将Matplotlib和Numpy合并的模块，模拟Matlab的编程环境
面向对象的方式：Matplotlib的精髓，更基础和底层方式

pyplot：简单易用，交互使用时方便，可以根据命令实时作图，但是底层定制能力不足
pylab：完全封装，环境最接近Matlab，不推荐使用
面向对象方式：接近Malplotlib基础和底层的方式，难度稍大，但是定制能力强，而且是Matplotlib的精髓
实战中推荐，根据需求，综合使用pyplot和OO的方式，显示导入numpy

在一张图上画多个子图

Matplotlib对象简介
大的对象有三级，FigureCanvas：画布，Figure：图，Axes：Figure上的坐标轴
如何在一张图上画子图：
fig = plt.figure()
Figure实例，可以添加Axes实例
ax = fig.add_subplot(111）
返回Axes实例
3个1分别代表：
参数1：子图总行数
参数2：子图总列数
参数3：子图的位置

可以看到我们画子图在第一行第一列，现在如果我们想在第一行第二列上画子图：

如何生成多张图

生成多张图是因为用了多个figure对象，生成子图用的是ax

网格的画法：

画网格有2种方式，1.用plt直接封装好的网格函数，2.用面向对象的方式
先画一张普通的图

那么如何生成网格呢：
写入代码plt.grid(True)

我们也可以对网格进行更多更复杂的定制：

用面向对象的方式绘制网格：
需要注意的是，面向对象是没有交互效果的

图例的画法

同样有2种方式可以生成图例，一种是plt方式，一种是面向对象的方式
这是原图，没有图例

如何添加图例呢：
写入代码plt.legend()

legend有两个重要的参数，1：位置：loc=1 loc = 2，loc= 3，loc = 4。。。。，2.扁平化：ncol（有几列），ncol = 1#有1列
ncol = 2#有2列
用plt也可以把label卸载legend里面：注意，legend里面是一个列表

面向对象的方式

坐标轴范围调整

比如这想绘制这张图，我们想把坐标轴范围调整到：横坐标0，10，纵坐标0，80
使用函数asix（）

调整坐标轴的刻度

如果我们想把坐标轴密度改变，比如1.5 ， 2.5

plt.gca()是获取当前的坐标轴
当对象是坐标轴的时候，使用函数locator_params（）,这时候参数可以指定，比如locator_params(“y”,nbins = 20),nbins是指定某个坐标分为多少格
有的时候，横坐标会是日期，日期相对来说麻烦一点：

添加坐标轴

像这种区间不一样的图，就需要双坐标轴
plt.twinx()就是生成第二个坐标轴，但是坐标轴默认范围是0-1

plt方式

面向对象方式：