一、Matplotlib

　　1.用於創建出版質量圖表的繪圖工具庫

　　2.目的的為Python構建一個Matlab式的繪圖介面

　　3.import matplotlib.pyplot as plt:pyplot模組包含了常用的matplotlib API函式

　　4.figure

　　　　(1)Matplotlib的影象均位於figure物件中，建立figure:plt.figure()

#引入 matplotlib包
import matplotlib.pyplot as plt
%matplotlib inline

#建立figure
fig = plt.figure()

　　5.Subplot

　　　　(1)fig.add_subplot(a,b,c)

　　　　　　a,b表示將fig分割成axb的區域，c表示當前選中要操作的區域，注意編號從1號開始

　　　　　　返回的是AxesSubplot物件

　　　　　　plot繪圖的區域是最後一次指定的subplot的位置

　　　　　　在指定的sublot裡結合scipy繪製統計圖

#在一張圖上做子圖
ax1 = fig.add_subplot(2,2,1)
ax2= fig.add_subplot(2,2,2)
ax3=fig.add_subplot(2,2,4)
ax4 = fig.add_subplot(2
 
,2,4)

#在subplot上來作圖
import numpy as np
random_arr = np.random.randn(100) #生成100個隨機數隨機分佈

#print random_arr
#預設是在最後一次使用subplot的位置上作圖，但是在jupyter裡是無效的
plt.plot(random_arr) #這裡預設作的是線圖
plt.show()

　　　　(2)直方圖  hist；s散點圖scatter；柱狀圖 bar；矩陣繪圖plt.imshow()

#在指定的subplot上來繪圖
import scipy as sp 
from scipy import stats

x 
 
= np.linspace(-5,15,50)   #這裡表示生成一組數，資料的範圍是從-5到15，將資料平均分成50份
print(x.shape)  #打印出資料的分佈以及資料的大小
print(x)

#繪製高斯分佈，下面的這個x是x軸，sp.stats.norm.pdf是y軸
plt.plot(x,sp.stats.norm.pdf(x=x,loc = 5,scale=2))   

#繪製疊加直方圖 sp.stats.norm.rvs是生成一個正太分佈的直方圖，將資料分為50個小組，指定顏色，指定透明度
plt.hist(sp.stats.norm.rvs(loc=5,scale=2,size=200),bins=50,normed=True,color='red',alpha=0.5)
plt.show()　　　

#繪製直方圖
plt.hist(np.random.randn(100),bins=10,color='b',alpha=0.3)
plt.show()

　　　　(3)散點圖scatter

#繪製散點圖,x是一個向量，y也是一個向量
x = np.arange(50)
y = x + 5*np.random.rand(50)
plt.scatter(x,y)

　　　　(4)柱狀圖bar

#柱狀圖，這個圖包括了常規作圖的基本的元素
x= np.arange(5)  #要生成5個柱子，就需要生成5個座標
#下面需要繪製兩個柱狀圖，np.random.randint(1,25,size=(2,5))表示生成從1到25的隨機整數
#最後生成的形狀是2行5列的形狀
y1,y2=np.random.randint(1,25,size=(2,5))
print(x)
print('y1',y1)  #生成的是1到25之間的隨機整數，生成的大小是5列的資料
print(type(y1))   #<class 'numpy.ndarray'>
print('y2',y2)
width=0.25    #指定柱子的寬度為0.25
ax = plt.subplot(1,1,1)  #生成1x1的圖，現在在1的位置上
ax.bar(x,y1,width,color='r') #這個地方先畫第一組
ax.bar(x+width,y2,width,color='g')  #因為現在0,1,2,3,4位置被佔據了，現在再在原來的位置上作圖會有疊加，挪動的位置就是前面柱子的寬度
ax.set_xticks(x+width)  # 將x軸的標記挪動width寬度
ax.set_xticklabels(['a','b','c','d','e'])  #這列設定xlabel的標籤
plt.show()

#xticks,yticks
#xlable,ylable
#x_lim,y_lim
#title

　　　　(5)矩陣繪圖 plt.imshow():混淆矩陣，三個維度的關係，通過顏色來進行分析

import numpy as np

#矩陣繪圖
m = np.random.rand(10,10)
print(m)
#interpolation='nearest'輸出的時候預設的差值的方法，cmap=plt.cm.ocean設定藍色的主題
#在機器學習中主要用於繪製混淆矩陣，三分類問題，識別貓狗豬。當類比較多的時候，混淆矩陣就會很有用
plt.imshow(m,interpolation='nearest',cmap=plt.cm.ocean)
plt.colorbar()
plt.show()

　　(6)繪製子圖

#subplots(2,2s)是指定資料是幾行幾列，這裡繪圖是兩行兩列的子圖
fig,subplot_arr = plt.subplots(2,2)
#這裡是指定在0行0列的位置上繪製直方圖，這是一個正常的情況
subplot_arr[0][0].hist(np.random.randn(100),color='b',alpha=0.3)
plt.show()

　　(7)顏色、標記、線型

　　ax.plot(x,y,'r--'):等價於ax.plot(x,y,linestyle='--',color='r')

　　　　　顏色：b blue

　　　　　　　　g:green

　　　　　　　　r:red

　　　　　　　　c:cyan

　　　　　　　　m:magenta

　　　　　　　　y:yello

　　　　　　　　k:black

　　　　　　　　w:white

　　(8)刻度、標籤和圖例

　　　　設定刻度範圍

　　　　　　plt.xlim()，plt.ylim()

　　　　　　ax.set_xlim(),ax.set_ylim()

　　　　設定顯示的刻度

　　　　　　plt.xticks(),plt.yticks()

　　　　設定刻度標籤

　　　　　　ax.set_xticklabels()，ax.set_yticklabels()

　　　　設定座標軸標籤

　　　　　　ax.set_xlabel()，ax.set_ylabel()　　

　　　　設定標題：ax.set_title()

　　　　圖例

　　　　　　ax.plot(label='legend')

　　　　　　ax.legend()、plt.legent()

　　　　　　　　loc='best'   自動選擇放置圖例的最佳位置

fig,ax = plt.subplots(1)
ax.plot(np.random.randn(1000).cumsum(),label='line0')
#設定刻度
ax.set_xlim([0,800])

#設定顯示的刻度
ax.set_xticks(range(0,500,100))


#設定刻度標籤
ax.set_yticklabels(['Jan','Feb','Mar'])
#設定座標軸的標籤
ax.set_xlabel('Number')
ax.set_ylabel('Month')

#設定標題
ax.set_title('Example')
#圖例
ax.plot(np.random.randn(1000).cumsum(),label='學校')
ax.plot(np.random.randn(1000).cumsum(),label='line2')
ax.legend()
ax.legend(loc='best')
plt.legend()

　　　　(9)matplotlib設定

　　　　　　plt.rc()