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。
