Python-Matplotlib绘制图形

1. 频数分析
   a. 定性分析：柱状图、饼形图
   i. 柱状图：柱的高度代表某种类型的频数
   ii. 饼状图：面积代表某种类型的频数
   b. 定量分析：直方图、分布曲线
   i. 直方图：将定量数据划分为若干连续区间，在这些连续的区间上绘制柱（类似柱状图）
   ii. 分布曲线：对应数据的分布函数
2. 关系分析：散点图
   a. 散点图：分别以自变量和因变量作为横纵坐标，当自变量与因变量线性相关时，在散点图中，点近似分布在一条直线上
3. 探索分析：箱型图
   a. 箱型图：了解数据的中心位置，发散程度以及偏差程度
   i. Q2所指的红线为中位数
   ii. Q1所指的蓝框下侧为下四分位数，Q3所指的蓝框上侧为上四分位数，Q3-Q1为四分为差。四分位差也是衡量数据的发散程度的指标之一
   iii. 上界线和下界线是距离中位数1.5倍四分位差的线，高于上界线或者低于下界线的数据为异常值。

一、Why’s Matplotlib
Matplotlib：风格类似于Matlab，是基于Python的绘图库，属于Python中最基础的画图工具。他提供了一整套与matlab相似的命令API，十分适合交互式绘图。
除了Matplotlib外，还有几个较常用的绘图库：

• Seaborn
  Seaborn是基于Matplotlib的高级可视化效果库，偏向于统计作图，可用于数据挖掘和机器学习中的变量特征选取。相对Matplotlib，其语法相对简单，但绘图方式较为局限。

• Bokeh
  Bokeh是基于JavaScript来实现交互可视化的，可以在WEB浏览器中实现美观的视觉效果。缺点在于：版本时常更新但有时不向下兼容、语法晦涩等。

• ggplot
  ggplot是基于R语言的ggplot2制作的python版本库，但目前Yhat已停止对该库的维护。

• Plotly
  Plotly支持Python和R，优点在于可提供WEB在线交互，配色也好看。

• Mapbox
  Mapbox是处理地理数据引擎更强的可视化工具库。

二、What’s Matplotlib
pyplot是matplotlib的一个子模块，主要为底层的面向对象的绘图库提供状态机界面。状态机隐式地自动创建数字和做标轴以实现所需的绘图。
matplotlib中所有内容都按照层次结果进行组织，顶层就是由pyplot提供的matplotlib“状态机环境”。基于这个状态机环境，我们可以创建图形。

接下来介绍matplotlib中几个重要的要素：Figure、Axes、Axis

• Figure
  Figure类似于一块画板，是包裹Axes、titles、legends等组件的最外层窗口。
• Axes（子图）
  Axes类似于画纸，一个Figure上可以有多张画纸，但至少有一个可以显示内容的画纸。
• Axis（轴）

通过程序来看结果：
1、生成空画板

fig=plt.figure()
fig.suptitle('No axes on thie figure')
>>>
Text(0.5,0.98,'No axes on thie figure')
<Figure size 432x288 with 0 Axes>

2、贴上画纸

fig.ax_lst=plt.subplots(2,2)
plt.show()

plt.plot(x,y,format_string) 中参数
x轴数据，y轴数据，format_string控制曲线的格式（颜色、风格以及标记）
颜色字符color

风格字符linestyle

标记字符marker

除此之外还有：
markerfacecolor 标记颜色
markersize 标记大小

#绘出四个点，并用星状表示虚线连接
plt.plot([1,2,3,6],[4,5,8,1],':*',markersize=10