数据分析 9

import matplotlib.pyplot as plt
import numpy as np

### plt.plot()绘制线性图
- 绘制单条线形图
- 绘制多条线形图
- 设置坐标系的比例plt.figure(figsize=(a,b)) 
- 设置图例legend()
- 设置轴的标识
- 图例保存
    - fig = plt.figure()
    - plt.plot(x,y)
    - figure.savefig（）
- 曲线的样式和风格（自学）

#绘制单条线形图
x = np.array([1,2,3,4,5])
y = x + 3

plt.plot(x,y)

#绘制多条线形图
plt.plot(x,y)
plt.plot(x+1,y-2)

plt.plot(x,y,x+1,y-2)

#设置坐标系的比例plt.figure(figsize=(a,b))
plt.figure(figsize=(5,9))#放置在绘图的plot方法之前
plt.plot(x,y)

#设置图例legend()
plt.plot(x,y,label='x,y')
plt.plot(x+1,y-2,label='x+1,y-2')
plt.legend() #图例生效

#设置轴的标识
plt.plot(x,y)
plt.xlabel('temp')
plt.ylabel('dist')
plt.title('dist&temp')

#图例保存
#fig = plt.figure()
#plt.plot(x,y)
#figure.savefig（）
fig = plt.figure()  #该对象的创建一定要放置在plot绘图之前
plt.plot(x,y,label='x,y')
fig.savefig('./123.png')

##曲线的样式和风格（自学）
plt.plot(x,y,c='red',alpha=0.5)

### 柱状图：plt.bar()
- 参数：第一个参数是索引。第二个参数是数据值。第三个参数是条形的宽度

plt.bar(x,y)

### 直方图
- 是一个特殊的柱状图，又叫做密度图
- plt.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
    + 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
    + 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,例如DataFrame对象，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

data = [1,1,2,2,2,3,4,5,6,6,6,6,6,6,7,8,9,0]
plt.hist(data,bins=20)

### 饼图
- pie()，饼图也只有一个参数x
- 饼图适合展示各部分占总体的比例，条形图适合比较各部分的大小

arr=[11,22,31,15]
plt.pie(arr)

arr=[0.2,0.3,0.1]
plt.pie(arr)

arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'])

arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3)

arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,autopct='%.6f%%')

arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,shadow=True,explode=[0.2,0.3,0.2,0.4])

### 散点图scatter()
- 因变量随自变量而变化的大致趋势

x = np.array([1,3,5,7,9])
y = x ** 2 - 3
plt.scatter(x,y)