几种图的特点：
一、折线图：能够显示事物的变化趋势，变化情况 plt.plot()
最典型的绘图过程即可。
二、直方图：绘制连续性的数据，展示一组或者多组数据的分布情况
和前面几种绘图最大的区别就是，绘图使用plt.hist(原始数据a，组数[，density=True])函数，并且简单绘图时不需要传x、y轴座标，只需要传进待绘图的原始连续数据，设置好分组数量，函数会自动将每组数据的个数计算出来，并且绘制到图上。如果使用density=True,则y轴座标则会由数量变为频率。
1、# 连续数据绘制直方图时：plt.hist()
2、# 如果原始数据经过初步整理，组织成不连续的数据，想要仍然达到直方图的目的，则使用条形图绘制，达到与直方图相似的效果
三、条形图：绘制离散的数据，展示一组或多组数据的分布情况
#正常绘图，条形图是竖着的，坐落在x轴上
plt.bar()
#条形图是横着的，坐落在y轴上
plt.barh()
四、散点图：判断变量之间是否存在数量关联趋势，展示离群点，分布规律 plt.scatter()
绘制方法和折线图一样，不同之处在于绘图方法使用的是plt.scatter()
在同一张图中绘制多个数据的散点图时，只需要让每个数据对应不同的下标就行了
一次完整过程（使用折线图示例）：
#设置中文字体
font = {'family': 'STKAITI',
'weight': 'bold',
'size': '18'}
matplotlib.rc("font", **font)
#设置x、y轴座标值
y_1 = [1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3, 3, 1, 1, 1]
y_2 = [1, 0, 3, 1, 2, 2, 3, 3, 2, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1]
x = list(range(11, 31))
#设置图像大小
plt.figure(figsize=(20, 10), dpi=100)
#绘制x、y轴刻度对应的文字
x_label = ["{}岁".format(i) for i in x]
plt.xticks(x, x_label, rotation=45)
y_label = list(range(min(y_1), max(y_1)+1))
plt.yticks(y_label)
#设置x，y，图的描述信息
plt.xlabel("年龄")
plt.ylabel("交往对象个数")
plt.title("随年龄变化的对象交往情况图")
#绘制网格线
plt.grid(alpha = 0.4)
#绘制图像
plt.plot(x, y_1, label="我", color="orange", linestyle=":", linewidth=1)
plt.plot(x, y_2, label="简", color="black", linestyle="-.", linewidth=20)
plt.legend(loc="upper right")
plt.show()