【使用matplotlib.pyplot绘图】
matplotlib.plot的基础绘图流程：
创建画布（选择是否绘制子图，指定画布大小，像素）
添加标题--添加x轴的名称，刻度与范围--添加y轴的名称，刻度与范围
绘制图形，设置图形的样式，颜色，背景，并添加图例
保存图形，显示图形
1.创建画布与创建子图
p1 = plt.figure(figsize=(8,6),dpi=144) #设置画布大小及分辨率
axes = p1.add_subplot(2,1,1) #创建一个2行1列的子图，绘制第1张子图
2. 添加画布内容
plt.title('标题') #添加标题
plt.xlabel('x') #添加x轴的名称
plt.ylabel('y') #添加y轴的名称
plt.xlim((0,1)) #x轴刻度范围
plt.ylim((0,1)) #y轴刻度范围
plt.xticks([0,1,2,3,4]) #x轴的刻度值
plt.yticks([0,1,2,3,4]) #y轴的刻度值
plt.legend(['a','b']) #添加图例
3.设置pyplot的动态rc参数
3.1 线条常用的rc参数：
#设置线条宽度，取0-10之间的数值，默认1.5
plt.rcParams['lines.linewidth']=3
#设置线条样式，可取'-','--','-.',':'4种，默认'-'
plt.rcParams['lines.linestyle']='-.'
#设置线条上点的形状，可取'o','D','h','.','S'等20种，默认为None
plt.rcParams['lines.marker']='D'
#设置点的大小，取0-10之间的数值，默认为1
plt.rcParams['lines.markersize']=3
3.2 调节字体显示为中文：
plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False
4.绘制基本图形
4.1绘制散点图
df.plot.scatter(x='col1',y='col2',marker='o',c='red',s=3,alpha=0.5)
# x,y接受array，表示对应的数据
marker为点的形状，c为点的颜色，s为点的大小，alpha为点的透明度（0-1）
4.2绘制折线图
df.plot(x='col1',y='col2',color='r',linestyle='-',marker='o',alpha=0.5)
# x,y接受array，表示对应的数据
marker为点的形状，color为点的颜色，linestyle为线条样式，alpha为点的透明度（0-1）
color常用参数：b-蓝色，g-绿色，r-红色，c-青色，m-品红，y-黄色，k-黑色
color,marker,linestyle三个参数可简写成'bo-'
4.3绘制直方图
df.col1.hist(bins=20)
4.4绘制条形图
plt.bar(x,y,width=0.8,color='red')
# width为条形图宽度（0-1），默认0.8
4.5绘制饼图
plt.pie(x,explode=0.01,labels=[],color='red',autopct='%1.1f%%',radius=5)
# explode为各项到圆心的距离，labels为每一项的名称，autopct为值显示形式，radius为饼图半径
4.6绘制箱图
plt.boxplot(x,notch=False,sym='o',vert=None,widths=None,labels=None,meanline=False)
# notch表示中间箱体是否有缺口，默认False sym为异常点形状，默认None
vert为图形是纵向还是横向，默认None widths为箱体宽度，labels为每个箱体的标签
meanline为是否显示均值线，默认False
【使用seaborn绘图】
1.seoborn的样式控制：sns.set()
sns.set(style='white',palette='muted',color_codes=True)
# style为图表的背景主题，有5种主题可以选择：
darkgrid 黑色网格（默认）
whitegrid 白色网格
dark 黑色背景
white 白色背景
ticks 四周都有刻度线的白背景
# palette为设置主体颜色，有6种可以选择：
deep,muted,pastel,bright,dark,colorblind
用despine进行边框控制：
white和ticks参数的样式，都可以删除上方和右方坐标轴上不需要的边框
despine(top=True, right=True, left=False, bottom=False,
offset=None, trim=False)
# 默认无参数的情况下，是删除上面及右边的边框
offset可设置边框的偏移距离，trim设置删除边框的范围
seaborn中设置画布大小及绘制子图：
fig,axes = plt.subplots(nrows=2,ncols=2,figsize=(8,6))
sns.countplot(x,y,data,ax=axes[0,0])
sns.countplot(x,y,data,ax=axes[0,1])
sns.countplot(x,y,data,ax=axes[1,0])
sns.countplot(x,y,data,ax=axes[1,1])
2.绘制直方分布图：
displot：
sns.distplot(data, bins=None, hist=True, kde=True, rug=False,
fit=None,color=None, axlabel=None, ax=None)
# bins--设置矩形图数量
hist--是否显示条形图
kde --是否显示核密度估计图
rug --是否显示边际毛毯
fit --拟合的参数分布图形
kdeplot:
sns.kdeplot(data, shade=True) #shade控制阴影
jointplot(双变量分布):
sns.jointplot(x,y,data,kind='reg',color='g')
# kind有三种参数：
reg--绘制拟合直线
hex--绘制蜂窝状散点图
kde--绘制核密度图
pairplot（矩阵分布）：
sns.pairplot(data,vars=['col1','col2'],hue='col3',palette='muted')
# vars可自定义选择几个变量
hue选择分类的字段
2.绘制条形图
barplot：
sns.barplot(x=None, y=None, hue=None, data=None,
order=None, hue_order=None, orient=None,
color=None, palette=None,capsize=None，
estimator=mean)
# hue--分类字段
order，hue_order--变量绘图顺序
orient--条形图是水平（v）还是竖直（h）
capsize--误差棒的宽度
estimator--每类变量的统计方式，默认mean
countplot（计数图）：
sns.countplot(x=None, y=None, hue=None, data=None,
order=None, hue_order=None, orient=None,
color=None, palette=None)
3.绘制箱图
boxplot：
sns.boxplot(x=None, y=None, hue=None, data=None,
order=None, hue_order=None, orient=None,
color=None, palette=None, width=0.8,notch=False)
# hue--分类字段
width--箱图宽度
notch--中间箱体是否显示缺口，默认False
4.绘制散点图
lmplot：
sns.lmplot(x, y, data, hue=None, col=None, row=None,
palette=None, col_wrap=3, size=5,
markers='o')
# hue--散点图中的分类字段
col--列分类变量，构成子集
row--行分类变量
col_wrap--控制每行子图数量
size--控制子图高度
markers--点的形状
