1.繪製流程
2.基礎語法及函數
plt.figure() 創建一個空白畫布,可以指定畫布大小及像素
figure.add_subplot() 創建並選中子圖,可以指定子圖行數,列數,以及選定圖片編號
plt函數
.title()
.xlabel() #在當前圖片中添加x軸名稱,可以指定位置顏色, 字體大小
.ylabel() #同上
.xlim() #指定當前x軸的範圍[lb,ub],只能確定一個數值區間,不能用字符串表示
.ylim() #同上
.xticks() #指定x軸的數目及取值 , xtick是刻度(小豎線)
.yticks() #同上
.legend() #指定當前圖形的圖例,可以指定圖例的大小、位置、標籤。
.savefig() #保存繪製的圖片
.show() #屏幕上顯示圖片
3.設置pyplot的動態rc參數
pyplot使用rc配置文件來自定義圖形的各種默認屬性,被稱爲rc配置或rc 參數。 在pyplot中幾乎所有的默認屬性都是可以控制的,例如視圖窗口大小以及 每英寸點數、線條寬度、顏色和樣式、座標軸、座標和網格屬性、文本、 字體等。
散點圖(scatter diagram)
散點圖(scatter diagram)又稱爲散點分佈圖,是以一個特徵爲橫座標,另一個特徵爲縱座標,利用座標點(散點)的 分佈形態反映特徵間的統計關 系的一種圖形。 值是由點在圖表中的位置表示, 類別是由圖表中的不同標記表示,通常用於比較跨類別的數據
matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, alpha=None, **kwargs)
直方圖(bar)
直方圖(Histogram)又稱質 量分佈圖,是統計報告圖的一 種,由一系列高度不等的縱向 條紋或線段表示數據分佈的情 況,一般用橫軸表示數據所屬 類別,縱軸表示數量或者佔比。 用直方圖可以比較直觀地看出 產品質量特性的分佈狀態, 便於判斷其總體質量分佈情況。 直方圖可以發現分佈表無法發現的數據模式、樣本的頻率分 布和總體分佈
餅圖(pie)
餅圖(Pie Graph)是將各項 的大小與各項總和的比例顯示 在一張“餅”中,以“餅”的 大小來確定每一項的佔比
餅圖可以比較清楚地反映出部 分與部分、部分與整體之間的 比例關係,易於顯示每組數據 相對於總數的大小,而且顯現 方式直觀。