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
直方图：
hist()的参数
bins
可以是一个bin数量的整数值，也可以是表示bin的一个序列。默认值为10
range
bin的范围，当bins参数为序列时，此参数无效。范围外的值将被忽略掉，默认值为None
normed
如果值为True，直方图的值将进行归一化处理，形成概率密度，默认值为False
histtype
bar
默认为bar类型的直方图
barstacked
用于多种数据的堆叠直方图
step
创建未填充的线形图
stepfilled
创建默认填充的线形图
align
用于bin边界之间矩形条的居中设置。默认值为mid，其他值为left和right
color
指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
orientation
通过设置orientation为horizontal创建水平直方图。默认值为vertical
y=np.random.randn(1000)
x=np.arange(7)
ax=plt.gca() #获取当前列表
ax.hist(y)
ax.set_xlim(-3,3)
ax.set_xlabel('X')
ax.set_ylabel('y')
ax.set_title('first test of hist')
总结：直方图hist()内部只有一个参数y，用于显示某一输入数据的正态分布图
条形图：
条形图分为bar(),barh():水平条形图
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 #设置为X的值
height : sequence of scalars
the heights of the bars #相当于y的值
bottom : scalar or array-like, optional
the y coordinate(s) of the bars
default: None
例题：
1：#绘制有误差条的并列条形图
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：水平条形图
plt.barh([1,2,3],[3,2,5]) #水平条形图先y后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 标量或类似数组的y座标
width : scalar or array-like
the width(s) of the bars
条形图总结：
1：条形图内部参数plt.bar(x轴，y轴，宽度)
其中X轴，Y轴类型为numpy.narray
2:水平条形图内部参数([y轴列表],[X轴列表]) 水平条形图是先Y轴再由y轴来确定后面list的x座标
饼图 ：
饼图 pie() 饼图适合展示各部分占总体的比例，
条形统计图适合比较各部分的大小
plt.figure(figsize=(4,4))#将饼图绘制在正方形区域内，用户解决正方形内部的椭圆
x=[45,35,20]#当各部分之和大于1时，会自动计算各部分占总体的百分比
labels=['cats','dogs','fishes']
plt.pie(x,labels=labels) #labels参数可以设置各区域标签
plt.show()
y=[0.1,0.2,0.3]
labels=['cats','dogs','fishes']
plt.pie(y,labels=labels)
plt.show()
3:绘制一个由多层次的饼图
pie()参数：
1）：X：饼图中所有元素所占的比例值或值（对于大于1会自动求其比例值）
2）：labels:各个元素的标签
3）：labeldistance：参数设置标签距离圆心的距离
4）：autopct:参数比例值显示格式
5）：pctdistance:参数设置比例值距离圆心的距离
6）：explode：参数设置每一块距离圆心的距离
7）：colors：参数设置每一块的颜色
8）：shadow：为布尔值，是否设置阴影
9）：startangle:指定圆弧开始绘制的角度
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()
散点图：
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:带有标记的线形图例
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来修改X轴刻度
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 设置下标刻度偏移角度
ax.set_title('My first matplotlib plot')
ax.set_xlabel('stage')
同样的设置y轴一样的道理：
只是将刻度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')
将图标保存为SVG文件：
plt.savefig()
例如：plt.savefig('figpath.png',dpi = 400,bbox_inches = 'tight') #得到一张带有最小白边，且分辨率为400DPI的PNG图片
dpi：“每英寸点数”分辨率
bbox_inches:可以剪除当前图表周围的空白部分。tight：表示尝试剪除图表周围的空白部分。
通过文件扩展名，可以保存为任何图片形式
绘制图形：
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)
