python画图——matplotlib.plot 学习

之前把《利用Python进行数据分析》撸了一遍，其中就有一章专门说数据可视化的，结果这两天做数据挖掘算法实现想用Python画个图，发现脑袋空空如也。所以今天又专门找个时间把Python数据可视化再撸一遍，不过这次就要做个笔记了，下次老子看笔记，不啃书了！

一.模块简介

• 包：matplotlib，这是一个用于创建出版质量的桌面绘图包，所以你看这个图很有看老板数学教科书中的插图的意味，如果要使这个包作用完全，最好安装一个GUI工具包：ipython。
  安装方法就跟一般的模块安装方法相同,使用的方法就是把
  >>>Python
  改为
  >>>ipython
  还有一个轻量服务器进程，启动方式是：

  >>>ipython notebook 

  或者是
  jupyter notebook
  这时候就会弹出个网页，接下来你就能在网页上进行交互操作了。这个进程的有点就在于你能把你的操作存档，下次可以继续进行未完成的工作，就像是虚拟机一样，存档后下次开机就会直接读取上次的信息，你就可以接着上次的页面继续工作了（还有一个作用就是能把你的存档文件发给你的同事，这样他就能直接看到你的整个操作过程）

• 模块：plot，这个就是我们一直用的画图模块，我们用的figure对象和subplot方法都在这里面

二.创建图表

创建图表的第一步是创建一个画布，然后再建图表。一个画布可以存在多个图表。
创建图表的方法有三种：
首先引入包

import matplotlib.pyplot as plt
form numpy.random import randn

1. 直接plot方法 这个plot就是这个plt下面的一个方法，它可以直接接受一组x和y的点画图，就像你在学函数一样，有了x有了y直接就可以整个函数图像出来

       plt.plot(x,y)  
       plt.show() 

   将plt当做一个画布对象，直接画图；
   会有一个figure出现，如果没有结束这个figure，是不能进行下一个动作；
   可以将多个动作画在同一个画布上；

2. 建立对象figure

       fig=plt.figure() 
        ax=fig.add_subplot(1,1,1)  
        ax.plot(x,y)||ax.hist(x)#(画一个直方图)  
        fig.show() 

   创建一个新的fig对象，当做一个画布；
   add_subplot添加子图，再进一步设置图画；
   可以一个画布上出现多个图

3. 直接用subplot方法

       figs,axes=plt.subplots(1,1,**kwargs)  
       axes[i].plot(x,y)||axes[i].hist(x)  
       figs.show()

   利用subplot方法同事创建一个figure新对象和axes数组 对数组的元素操作即对每幅图操作 可以很方便的操作每幅图（推荐）

对比上面三种方法可以知道：第一种方法就是画图的方法；第二种方法是先建立figure对象，再利用add_subplot的方法建立几个子图再用第一种方法画图；第三种方法最为直接和方便，直接里用plt.subplots的方法建立子图并返回figure对象和子图的数组。
如果是画一个图表练习练习的话那就用第一种方法，简单直接粗暴，如果是要一次建好几个图表那就用第三种方法，还可以索引出你想用的那个图表

三.给图表添砖加瓦

建立了图表，接下来就是给图表加注释、说明，调整横轴大小区间等主要是通过set_*这个方法来实现的
设立坐标轴
set_xlim 设立坐标轴的最大值和最小值
set_xticks 设立坐标轴上的间隔区间
set_xticklabels 设立坐标轴上的间隔名称
set_xlabel 设立坐标轴的名称
设立注释
text 设立文本注释（可以将注释内容定位在（x，y）坐标上）
arrow 设立箭头注释
annotate 设立注释内容
设立图例
在书中说有两种设立图例的方法，但我就实验出来一种

fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum(),'k--',label='one')
ax.plot(randn(1000).cumsum(),'k.',label='two')
ax.plot(randn(1000).cumsum(),'k',label='three')

这样就把图和图例都弄出来了，但是图例还没有显示出来，接下来就是显示图例

ax.legend(loc='best')

loc=’best’可以将图例放在最合适的位置，你也可以设置为‘right’‘center’等
这是在学习的时候使用的图，仅供参考

四.后续

这个才是刚刚开始，能画出图，但画出自己想要的图还有点困难，如果用pandans中的DataFrame和Series数据来画图会有更好的方法。