Python Matplotlib.pyplot模块知识点

绘制最简单的图形可以不用创建画布

创建子图=>添加标题/刻度/名称/范围=>绘制图形=>添加图例=>保存图形=>显示图形

创建子图：pl=plt.figure()

pl.add_subplot()

指定范围: plt.xlim((0,1))

指定刻度: plt.xticks([‘’,’’,’’ ])

添加图例: plt.legend([‘y=’,’x=’])

保存图形: plt.savefig()

显示图形:plt.show()

Pyplot的动态rc参数

lines.linewidth

lines.linestyle线条样式(4种):     ’-‘ 实线,  ‘—‘ 长虚线,  ‘-.’ 点线,  ‘:’ 短虚线

lines.marker点的形状(20种):     ‘o’圆圈,  ‘D’菱形,  ‘.’点， ‘s’正方形,  ‘*’星号，‘d’小菱形  

lines.markersize 点的大小 0-10 默认为1

显示中文：

plt.rcParams[‘font.sans-serif’]=’SimHei’

正常显示符号

plt.rcParams[‘axes.unidcode_minus’]=False

color=’b’蓝色color=’k’黑色 color=’‘c’青色

折线图适合显示数据的变化趋势场景。散点图适合显示若干数据系列中各数值之间的关系。饼状图适合显示各项的大小与各项总和的比例。箱型图适合用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。

散点图(plt.scatter()): (通常用于跨类别的数据)

提供两类关键信息:是否存在关联趋势，关联趋势是线性的还是非线性的

                             离群值

通过疏密程度和变化趋势表示两个特征的数量关系

折线图(plt.plot()):

直方图(plt.bar()):

箱线图(plt.boxplot()):

                     提供有关数据位置和分散情况的关键信息

                     5个统计量:最小值，下四分位数(QL)，中位数，上四分位数(QU)，最大值

                     看出数据是否具有对称性，分布的分散程度

                     notch=True是否有缺口

sym=’o’异常点形状

meanline=True是否显示均值线

                                                 四分位数间距(IQR)=QU-QL

                                                 异常值:QL-1.5IQR

                                                               QU+1.5IQR

饼图(plt.pie()):清楚反应部分与部分,部分与整体的比例关系

                     explode=[0.1,0.1,0.1]各项距离圆心半径