数据可视化，简单版

---

前言

提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、数据可视化是什么？

数据可视化，是关于数据视觉表现形式的科学技术研究。其中，这种数据的视觉表现形式被定义为，一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。
它是一个处于不断演变之中的概念，其边界在不断地扩大。主要指的是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。与立体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多。

二、使用步骤

1.引入库

代码如下（示例）：

import numpy as np
import matplotlib.pyplot as plt

2.实际代码

代码如下（示例）：

import numpy as np 
import matplotlib.pyplot as plt 
pic = plt.figure(figsize=(8,8),dpi=80)  #创建画板 画布是软件自带的
x = np.linspace(0,1,1000)          # 使用numpy库来给x取值范围
axs1 = pic.add_subplot(2,2,1)        #创建第一个子库
plt.title('qx')              #创建第一个子库的标题
plt.xlabel('x')              #创建x轴的标签名称
plt.ylabel('y') 
plt.xticks([0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9])   #创建x的刻度
plt.yticks([0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9])
plt.plot(x,x**3)            #创建图像函数
plt.plot(x,x)
plt.plot(x,x**2)
plt.legend(['y=x^3','y=x','y=x^2'])  #创建图像轮廓
axs2 = pic.add_subplot(2,2,2)    #创建第二个子库
plt.xlabel('x')
plt.ylabel('y') 
plt.xticks([0.5,0.8])
plt.yticks([0.2,0.5])
plt.rcParams['lines.linestyle']='--'      #修改默认的曲线样式
plt.rcParams['lines.linewidth']=int(10)
plt.plot(x,x**0.5)        
plt.title('y=x^0.5')
axs3 = pic.add_subplot(2,2,3)         #创建第三个子库
plt.xlabel('x')
plt.ylabel('y')
plt.xticks([0,1,0,3,0,7,0.9])
plt.yticks([0.2,0.5,0.7,0.9])
plt.title('y=x^4')
plt.rcParams['lines.marker'] = None
plt.rcParams['lines.markersize'] = 5   #修改默认点的大小
plt.rcParams['lines.linestyle'] = '-'
plt.rcParams['lines.linewidth'] = 5     #修改默认线的宽度
plt.plot(x,x**4)
axs4 = pic.add_subplot(2,2,4)         #创建第四个子库
plt.rcParams['lines.linestyle'] = '-'
plt.rcParams['lines.linewidth'] = 8
plt.rcParams['lines.marker'] = None
plt.rcParams['lines.markersize'] = 5
plt.xlabel('x')
plt.ylabel('y')
plt.xticks([0.2,0.6,0.8])
plt.yticks([0.2,0.6,0.8])
plt.title('y=x**0.1')
plt.plot(x,x**0.1)
plt.show()#展示图像

总结

提示：这里对文章进行总结：
1.首先引入matplotlib.pyplot库和numpy库
2.创建画板，再创建子库 这个有点像保存文件那一部分知识
3.创建自己想要的函数图形，最后再plt.show()来展示自己的函数图像