python的绘图工具matplotlib.pyplot

matplotlib.pyplot 是什么

matplotlib.pyplot 是 matplotlib 库的一个子模块，它提供了一种类似于 MATLAB 的绘图系统，可用于创建各种类型的图表和可视化图像。
使用 pyplot 可以方便地绘制二维图形，如折线图、散点图、直方图、条形图等等。您可以使用函数 plot() 、 scatter() 、 hist() 、 bar() 等来创建不同类型的图形。
同时， pyplot 还可以设置图表的标题、坐标轴、标签、颜色、线型等等属性，使图表更加美观和易于理解。
除了基本的绘图功能外， pyplot 还可以处理图像、设置图表样式、自定义图表元素等等。它是 Python 中最流行和广泛使用的绘图库之一，适用于各种科学、工程和数据分析应用。
总之， matplotlib.pyplot 是一个非常强大和灵活的数据可视化工具，可以帮助您轻松创建各种类型的图表和图像，并提供了大量的自定义选项和功能。

matplotlib.pyplot 常用的方法

1. plot() ：绘制折线图、散点图等。可以设置数据、线条颜色、线型、标记、标签等参数。
2. scatter() ：绘制散点图。可以设置数据、颜色、尺寸、标签等参数。
3. bar() ：绘制条形图。可以设置数据、颜色、宽度、对齐方式、标签等参数。
4. hist() ：绘制直方图。可以设置数据、颜色、直方条数、标签等参数。
5. pie() ：绘制饼图。可以设置数据、颜色、比例、标签等参数。
6. subplot() ：将多个图形在同一画布中绘制。可以设置子图的行数、列数、位置等参数。
7. title() ：设置图形的标题。可以设置标题内容、字体、大小、颜色等参数。
8. xlabel() 和 ylabel() ：设置 x 轴和 y 轴的标签。可以设置标签内容、字体、大小、颜色等参数。
9. xlim() 和 ylim() ：设置 x 轴和 y 轴的范围。可以设置最小值、最大值等参数。
10. legend() ：设置图例。可以设置图例内容、位置、字体、大小、颜色等参数。
11. grid() ：添加网格线。可以设置线条颜色、线型、透明度等参数。
12. savefig() ：保存图形。可以设置文件名、文件格式、图像质量等参数。

hist()

matplotlib.pyplot.hist() 是一个用于绘制直方图的函数，其主要作用是将数据分成若干个直方块，统计每个区间内数据出现的频数或概率，并将其绘制成柱状图，以直观展示数据分布情况。

下面是 matplotlib.pyplot.hist() 函数的基本语法：
plt.hist(x, bins=None, range=None, density=False, cumulative=False, color=None)
其中，参数含义如下：

• x ：需要绘制直方图的数据。
• bins ：直方块的数量或分布规则，默认值为 10 。
• range ：数据的值域，即数据的取值范围，默认值为 (x.min(), x.max()) 。
• density ：是否将直方图转换为概率密度直方图，默认值为 False 。
• cumulative ：是否绘制累计分布直方图，默认值为 False 。
• color ：指定直方图颜色。

下面是一个简单的例子，用于展示 matplotlib.pyplot.hist() 函数的使用方法：

import matplotlib.pyplot as plt
import numpy as np
 # 生成一组随机数据
data = np.random.randn(10000)
 # 绘制直方图
plt.hist(data, bins=50, color='steelblue', density=False)
 # 设置图形标题和坐标轴标签
plt.title('Histogram')
plt.xlabel('Value')
plt.ylabel('Frequency')
 # 显示图形
plt.show()

上面的代码生成了一个包含 10000 个随机数的数据集，并利用 matplotlib.pyplot.hist() 函数绘制了其直方图。
其中， bins 参数设置了直方块的数量为 50 ，直方块的颜色为钢蓝色，同时设置了图形标题和坐标轴标签。
最后使用 plt.show() 函数显示图形。

注：这里用到的 numpy.random.randn() 函数用于生成指定数量的服从标准正态分布的随机数。

plot()

matplotlib.pyplot 的 plot() 函数是用于绘制图形的最基本函数之一，可以用来绘制多种不同类型的线型图、散点图、柱状图等，下面是对 plot() 函数的详细解释以及示例代码。

plot() 函数的基本语法如下：

plot([x], y, [fmt], *, data=None, **kwargs)

其中， x 和 y 是一系列 x 坐标和 y 坐标值， fmt 是一个可选的格式字符串，用于指定曲线的颜色、线型和标记等属性， data 是一个可选的数据源， **kwargs 是一些可选的关键字参数，用于设置曲线的各种属性。

下面给出一个简单的示例代码，用于绘制一条简单的折线图：

import matplotlib.pyplot as plt
import numpy as np
 # 生成一些随机数据
x = np.arange(0, 10, 0.1)
y = np.sin(x)
 # 使用plot函数绘制图像
plt.plot(x, y, 'r') # 'r' 表示使用红色作为折线的颜色
 # 添加图像标题和坐标轴标签
plt.title('Sin Curve')
plt.xlabel('X')
plt.ylabel('Y')
 # 显示图像
plt.show()

在这个例子中，我们使用了 numpy 库里的 arange() 函数生成了一个从 0 到 10，以 0.1 为步长的一组 x 坐标值，然后使用 numpy 库里的 sin() 函数生成了对应的 y 坐标值，最后使用 plot() 函数将这组数据绘制成了一条红色的正弦曲线。

在这个例子中，我们还使用了 title() 、 xlabel() 和 ylabel() 函数分别给图像添加了标题和坐标轴标签，并使用 show() 函数将图像显示出来。

除了基本的折线图之外， plot() 函数还可以绘制一些其他类型的图形，比如散点图、柱状图等。具体的参数设置和使用方法可以参考官方文档或其他相关资料。