python matplotlib 机器学习,作图命令

1.柱状图

hist(list,bins=数字,color='lightblue',normed=True)

list:必须是数字类型,而且允许重复,就是从最小值到最大值,分成bins组,然后画图,如果normed=True,就进行正则化,就是按百分百显示.

hist(list,bins=list)

第一个list是一组数字,没有重复的,第二个list跟这个第一个list长度一样,也是个数字类型,比如第一个是每一年的收入,第二个是年份到现在的时间(今年是15年,如果现在14\13年的收入:第一个[2122,3000],第二个是[1,2]),其他参数跟上一种一样.

2.条形图

bar(x_array,y_array,width=,color=)

x_array:x轴的开始画图的起点,y_array:是y轴画图的高度,width是宽度,默认是0.8.

可以用下面语句设置x轴上的说明:

ax = plt.axes()

ax.set_xticks(x_array + (width / 2))
ax.set_xticklabels(x_axis)

比如说,现在我们统计的是公司各个职位的人数,x轴是职位,y轴是人数,x_axis=np.array(['java工程师','c++工程师'])

plt.xticks(rotation=30) 意思是x轴上的说明文字倾斜30度

fig = matplotlib.pyplot.gcf() 获取到当前的绘图对象
fig.set_size_inches(16, 10) 设置图像的大小

可以按大小排序,比如我们要看公司各个岗位的人数,按从少到多顺序排序

x_a=x_array[np.argsort(y_array)]

y_a=y_array[np.argsort(y_array)]

这都是numpy里面array的操作,

np.argsort(array),对array排序,返回下标组成的array

对一个array调用array[下标组成的array]返回一个新的array,里面的值是有内部array提供的下标值决定的.当然内部的array还可以是True和false的array,那就只返回True的

3.散点图

fig.scanter(x_array,y_arry,形状,颜色)

相关和颜色都可以是数字