繪製最簡單的圖形可以不用建立畫布

建立子圖=>新增標題/刻度/名稱/範圍=>繪製圖形=>新增圖例=>儲存圖形=>顯示圖形

建立子圖：pl=plt.figure()

pl.add_subplot()

指定範圍: plt.xlim((0,1))

指定刻度: plt.xticks([‘’,’’,’’ ])

新增圖例: plt.legend([‘y=’,’x=’])

儲存圖形: plt.savefig()

顯示圖形:plt.show()

Pyplot的動態rc引數

lines.linewidth

lines.linestyle線條樣式(4種): ’-‘ 實線, ‘—‘ 長虛線, ‘-.’ 點線, ‘:’ 短虛線

lines.marker點的形狀(20種): ‘o’圓圈, ‘D’菱形, ‘.’點， ‘s’正方形, ‘*’星號，‘d’小菱形

lines.markersize 點的大小 0-10 預設為1

顯示中文：

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

正常顯示符號

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

color=’b’藍色color=’k’黑色 color=’‘c’青色

折線圖適合顯示資料的變化趨勢場景。散點圖適合顯示若干資料系列中各數值之間的關係。餅狀圖適合顯示各項的大小與各項總和的比例。箱型圖適合用於反映原始資料分佈的特徵，還可以進行多組資料分佈特徵的比較。

散點圖(plt.scatter()): (通常用於跨類別的資料)

提供兩類關鍵資訊:是否存在關聯趨勢，關聯趨勢是線性的還是非線性的

離群值

通過疏密程度和變化趨勢表示兩個特徵的數量關係

折線圖(plt.plot()):

直方圖(plt.bar()):

箱線圖(plt.boxplot()):

提供有關資料位置和分散情況的關鍵資訊

5個統計量:最小值，下四分位數(QL)，中位數，上四分位數(QU)，最大值

看出資料是否具有對稱性，分佈的分散程度

notch=True是否有缺口

sym=’o’異常點形狀

meanline=True是否顯示均值線

四分位數間距(IQR)=QU-QL

異常值:QL-1.5IQR

QU+1.5IQR

餅圖(plt.pie()):清楚反應部分與部分,部分與整體的比例關係

explode=[0.1,0.1,0.1]各項距離圓心半徑