matplotlib库

matplotlib.pyplot是绘制各类可视化图形的命令子库

引用方式：import matplotlib.pyplot as plt

plt.plot(x,y) # x,y可以存放元组和数组类型

plt.ylabel() # y轴标签

plt.xlabel() # x轴标签

plt.subplot(x, y, c) # 绘制一个人横x，纵y的区域，在第c个区域绘制

plt.savefig(name, dpi) #保存为PNG格式

plt.show() # 展示

import numpy as np
import matplotlib.pyplot as plt

def f(t):# 能量衰减曲线
    return np.exp(-t)*np.cos(2*np.pi*t) # exp(-t):以e为底-t的对数

a = np.arange(0.0,5.0,0.02) # numpy.arange(start, stop, step, dtype = None) 0~5,步长为0.2的数组

plt.subplot(211)# 绘制区域 横2 纵1 选择1，==plt.subplot(2, 1, 1)
plt.plot(a,f(a))

plt.subplot(2,1,2)
plt.plot(a,np.cos(2*np.pi*a),'r--') # 'r--':以虚线形式展示
plt.show()

使用 plt.pie() 绘制

import matplotlib.pyplot as plt

lables = 'Frogs','Hogs','Dogs','Logs'# 标签
sizes = [15, 30, 45, 10]# 占比(列表类型)
explode = (0, 0, 0, 0)# 突出(元组类型)
plt.pie(sizes, explode = explode, labels = lables, autopct = '%1.1f%%',
shadow = False, startangle = 90)
plt.axis('equal')

plt.show()

使用 plt.hist() 绘制

matplotlib.pyplot.hist(x, bins=None, range=None, normed=False, 
weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', 
orientation='vertical', rwidth=None, log=False, color=None, label=None, 
stacked=False, hold=None, data=None, **kwargs)

这么多参数，我们只需要关注其中几个
示例：

import numpy as np
import matplotlib.pyplot as plt

mu,sigma = 100,20
a = np.random.normal(mu, sigma,size = 100)# 正态分布

plt.hist(a, 10, histtype = 'stepfilled',facecolor = 'b', alpha = 0.5)
# 	  data  bins   类型						颜色			透明度
plt.title('Histogram')# 标题

plt.show()

使用 plt.polar 绘制

import numpy as np
import matplotlib.pyplot as plt

N = 20
theta = np.linspace(0.0,2*np.pi, N, endpoint=False) #0 ~ 2派（不包含2派） 内成N个随机数
radii = 10*np.random.rand(N)
width = np.pi/ 4 * np.random.rand(N)

ax = plt.subplot(111, projection='polar')
bars = ax.bar(theta, radii, width=width, bottom=0.0)

for r,bar in zip(radii, bars):
    bar.set_facecolor(plt.cm.viridis(r/10.))
    bar.set_alpha(0.5)

plt.show()

散点图只需要使用plot函数即可

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots()
ax.plot(10*np.random.randn(100), 10*np.random.randn(100), 'o')
ax.set_title('Simple Scatter')

plt.show()