import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
from pandas random import randn
from IPython.
%matplotlib inline
直方圖：
hist()的參數
bins
可以是一個bin數量的整數值，也可以是表示bin的一個序列。默認值爲10
range
bin的範圍，當bins參數爲序列時，此參數無效。範圍外的值將被忽略掉，默認值爲None
normed
如果值爲True，直方圖的值將進行歸一化處理，形成概率密度，默認值爲False
histtype
bar
默認爲bar類型的直方圖
barstacked
用於多種數據的堆疊直方圖
step
創建未填充的線形圖
stepfilled
創建默認填充的線形圖
align
用於bin邊界之間矩形條的居中設置。默認值爲mid，其他值爲left和right
color
指定直方圖的顏色。可以是單一顏色值或顏色的序列。如果指定了多個數據集合，顏色序列將會設置爲相同的順序。如果未指定，將會使用一個默認的線條顏色
orientation
通過設置orientation爲horizontal創建水平直方圖。默認值爲vertical
y=np.random.randn(1000)
x=np.arange(7)
ax=plt.gca() #獲取當前列表
ax.hist(y)
ax.set_xlim(-3,3)
ax.set_xlabel('X')
ax.set_ylabel('y')
ax.set_title('first test of hist')
總結：直方圖hist()內部只有一個參數y，用於顯示某一輸入數據的正態分佈圖
條形圖：
條形圖分爲bar(),barh():水平條形圖
plt.bar(left, height, width=0.8, bottom=None, hold=None, data=None, **kwargs)
left : sequence of scalars
the x coordinates of the left sides of the bars #設置爲X的值
height : sequence of scalars
the heights of the bars #相當於y的值
bottom : scalar or array-like, optional
the y coordinate(s) of the bars
default: None
例題：
1：#繪製有誤差條的並列條形圖
data1=10*np.random.rand(5)
data2=10*np.random.rand(5)
data3=10*np.random.rand(5)
e2=0.5*np.abs(np.random.randn(len(data2)))
locs=np.arange(1,len(data1)+1)
width=0.27
plt.bar(locs,data1,width=width)
plt.bar(locs+width,data2,yerr=e2,width=width,color='g')
plt.bar(locs+2*width,data3,width=width,color='r')
plt.xticks(locs+width*1.5,locs)
plt.show()
2：水平條形圖
plt.barh([1,2,3],[3,2,5]) #水平條形圖先y後x
plt.show()
plt.barh(bottom, width, height=0.8, left=None, hold=None, **kwargs)
bottom : scalar or array-like
the y coordinate(s) of the bars 標量或類似數組的y座標
width : scalar or array-like
the width(s) of the bars
條形圖總結：
1：條形圖內部參數plt.bar(x軸，y軸，寬度)
其中X軸，Y軸類型爲numpy.narray
2:水平條形圖內部參數([y軸列表],[X軸列表]) 水平條形圖是先Y軸再由y軸來確定後面list的x座標
餅圖 ：
餅圖 pie() 餅圖適合展示各部分佔總體的比例，
條形統計圖適合比較各部分的大小
plt.figure(figsize=(4,4))#將餅圖繪製在正方形區域內，用戶解決正方形內部的橢圓
x=[45,35,20]#當各部分之和大於1時，會自動計算各部分佔總體的百分比
labels=['cats','dogs','fishes']
plt.pie(x,labels=labels) #labels參數可以設置各區域標籤
plt.show()
y=[0.1,0.2,0.3]
labels=['cats','dogs','fishes']
plt.pie(y,labels=labels)
plt.show()
3:繪製一個由多層次的餅圖
pie()參數：
1）：X：餅圖中所有元素所佔的比例值或值（對於大於1會自動求其比例值）
2）：labels:各個元素的標籤
3）：labeldistance：參數設置標籤距離圓心的距離
4）：autopct:參數比例值顯示格式
5）：pctdistance:參數設置比例值距離圓心的距離
6）：explode：參數設置每一塊距離圓心的距離
7）：colors：參數設置每一塊的顏色
8）：shadow：爲布爾值，是否設置陰影
9）：startangle:指定圓弧開始繪製的角度
plt.figure(figsize=(4,4))
x=[4,9,21,55,30,18]
labels=['Swiss','Austria','spain','Italy','France','Benelux']
explode=[0.2,0.1,0,0,0.1,0]
colors=['r','k','b','m','c','g']
plt.pie(x,labels=labels,labeldistance=1.2,explode=explode,colors=colors,autopct='%1.1f%%',pctdistance=0.5,shadow=True)
plt.pie(x,labels=labels,labeldistance=1.2,explode=explode,colors=colors,autopct='%1.1f%%',pctdistance=0.5,shadow=True，startangle=67)
plt.show()
散點圖：
x = np.random.randn(1000)
y1 = np.random.randn(len(x))
y2 = 1.2 + np.exp(x)
ax1 = plt.subplot(121)
plt.scatter(x,y1,color='indigo',alpha=0.3,edgecolors='white',label = 'no correl')
plt.xlabel('no correlation')
plt.grid(True)
plt.legend()
ax2 = plt.subplot(122)
plt.scatter(x,y2,color='green',alpha = 0.3,edgecolors='gray',label=' strong correlation')
plt.xlabel(''correl)
plt.grid(True)
plt.legend()
plt.show()
2:帶有標記的線形圖例
plt.figure(figsize=(4,4))
plt.plot(randn(5).cumsum(),'k-',label='one',marker='o')
plt.plot(randn(5),cumsum(),'k--',label='two')
plt.show()
2)data = randn(10).cumcum()
plt.figure(figsize=(4,4))
plt.plot(data,'k-',label = 'Default')
plt.plot(data,'k--',drawstyle = 'steps-post',label = 'steps-post')
plt.legend()
set_xticks 和set_xticklabels來修改X軸刻度
ax=plot.subplot(111)
ticks = ax.set_xticks([0,250,500,750,1000])
labels = ax.set_xticklabels(['one','two','three','four','five'],rotation =30,fontsize = 'small')
#rotation=30 設置下標刻度偏移角度
ax.set_title('My first matplotlib plot')
ax.set_xlabel('stage')
同樣的設置y軸一樣的道理：
只是將刻度x改成y：set_yticks() 和set_yticklabels()
yticks =ax.set_yticks([-40,-20,0,20,40])
ylabel = ax.set_yticklabels([-40,-20,0,20,40],rotation = 30,fontsize ='small')
ax.ylabel('ystage')
將圖標保存爲SVG文件：
plt.savefig()
例如：plt.savefig('figpath.png',dpi = 400,bbox_inches = 'tight') #得到一張帶有最小白邊，且分辨率爲400DPI的PNG圖片
dpi：“每英寸點數”分辨率
bbox_inches:可以剪除當前圖表周圍的空白部分。tight：表示嘗試剪除圖表周圍的空白部分。
通過文件擴展名，可以保存爲任何圖片形式
繪製圖形：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
rect = plt.Rectangle((0.2,0.75),0.4,0.15,color = 'k',alpha = 0.3)
circ = plt.Circle((0.7,0.2),0.2,color = 'b',alpha =0.3)
pgon = plt.Polygon([[0.15,0.2],[0.6,0.4],[0.7,0.2]],color ='y',alpha = 0.4)
ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)
