1 import numpy as np
 2 import matplotlib.pyplot as plt  #导入绘图模块
 3 
 4 height = [161, 170, 182, 175, 173, 165]
 5 weight = [50, 58, 80, 70, 69, 55]
 6 
 7 plt.scatter(height, weight)
 8 N = 1000
 9  x = np.random.randn(N)
10 # y1 = np.random.randn(N)
11 y1 = -x + np.random.randn(N)*0.5
12 
13 
14 # 绘制散点图的命令行
15 plt.scatter(x, y1, s=100, c='r', marker='o', alpha=0.5)
16 # s表示点的面积，c表示点的颜色，marker表示点的形状，alpha表示点的透明度
17 
18 plt.show()

 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 import matplotlib.dates as mdates
 4 
 5 x = np.linspace(-10, 10, 100)
 6 
 7 # y = x**2
 8 y = np.sin(x)
 9 
10 plt.plot(x, y, linestyle='-.', color='g', marker='^')
11 # 折线图的基本绘制命令行，linestyle为要画的线型，color为线的颜色，marker为点的形状
12 # 在matplotlib官网中，有关于线型，颜色，点的形状的全面介绍
13 
14 plt.show()

 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 
 4 # 单列模式
 5 N = 5
 6 y = [20, 10, 30, 25, 15]
 7 index = np.arange(N)
 8 
 9 # plt.bar(x=index, height=y, width=0.5, color='r')
10 # x表示的是x轴上对应的第几个条形，height表示的y轴上对应条形的高度，
11 # width表示条形的 宽度
12 plt.bar(index, y, 0.5, color='r')  # x=,height=，width=,可以省略
13 
14 
15 # 条形图也可以横着放
16 # x需要赋0值，bottom表示条形块的底部即对应纵轴上的坐标，
17 # width表示条形块横着放的高度，相当于横轴上（横向）的宽度，
18 # height表示条形块纵向的宽度，orientation='horizontal'表示要画横向的条形图
19 pl = plt.bar(x=0, bottom=index, color='red', width=y, height=0.5, 
20                  orientation='horizontal')
21 # 横向条形图有第二种方式，这里的y轴应赋值第几个条形快即index
22 # pl = plt.barh(y=index, color='red', width=y,)
23 
24 
25 plt.show()

 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 
 4 # 并列式绘条形图，将两个条形图共用一个坐标轴，并列的画在一起
 5 index = np.arange(4)
 6 sales_BJ = [52,55,63,53]
 7 sales_SH = [44,66,55,41]
 8 
 9 bar_width = 0.3
10 plt.bar(index,sales_BJ,bar_width,color='b')
11 
12 # 这个并列的条形图的横轴上的坐标可以用index+bar_width来表示
13 # 目的是不与第一个重叠
14 plt.bar(index+bar_width,sales_SH,bar_width,color='r')
15 
16 plt.show()

 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 
 4 
 5 # 层叠绘图
 6 index = np.arange(4)
 7 sales_BJ = [52,55,63,53]
 8 sales_SH = [44,66,55,41]
 9 
10 bar_width = 0.3
11 plt.bar(index,sales_BJ,bar_width,color='b')
12 
13 # 第二个要层叠的对象需要加bottom=sales_BJ，表示层叠底部的对象是上一个
14 plt.bar(index,sales_SH,bar_width,color='r',bottom=sales_BJ)
15 
16 plt.show()

 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 
 4 mu = 100
 5 sigma = 20
 6 x = mu + sigma * np.random.randn(20000)
 7 
 8 # 单变量频率分布直方图，用条形的高度表示频率分布的大小
 9 # bins=100是将x轴取到的数分100个等份的条形块
10 # normed=False表示这里的每个条形即每个区间所占的个数
11 # normed=True时表示每个条形区间占总数的比例
12 plt.hist(x,bins=100,color='green',normed=False)
13 
14 # 双变量变量频率分布直方图，用颜色的深浅表示频率的分布大小
15 # x = np.random.randn(1000)+2
16 # y = np.random.randn(1000)+3
17 # plt.hist2d(x,y,bins=40)
18 plt.show()

 1 import matplotlib.pyplot as plt
 2 
 3 labels = ('A','B','C','D')
 4 fracs = [15,30,45,10]
 5 
 6 explode = [0,0.05,0.08,0]
 7 
 8 plt.axes(aspect=1)  # 如果横纵方向不是1:1，这个可以将要画的图默认为1:1
 9 
10 plt.pie(x=fracs,labels=labels,autopct='%.1f%%',explode=explode,shadow=True)
11 # autopct='%.1f%%'表示每一块所占总块的比例，
12 # explode=explode表示每块分离出的距离
13 # shadow=True将分离出的饼块添加阴影
14 
15 plt.show()

 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 
 4 np.random.seed(100)
 5 
 6 # 单个箱形图
 7 data = np.random.normal(size=1000,loc=0,scale=1)
 8 # 此代码行表示正态分布，size表示随机选取的数值数量，
 9 # loc为概率分布的平均值，是概率分布中心，
10 # scale是概率分布标准差，对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高
11 
12 plt.boxplot(data, sym='o',whis=1.5)
13 # sym表示异常值点的形状，whis表示异常值与需线的比例值，在官网有具体说明
14 
15 #多个箱形图在同一个坐标轴中
16 # data = np.random.normal(size=(1000,4),loc=0,scale=1)
17 # labels = ['A','B','C','D']
18 # plt.boxplot(data,labels=labels)
19 
20 plt.show()