可參考：https://blog.csdn.net/xHibiki/article/details/84866887
散點圖
主要參數(shù)說明如下：
x,y：數(shù)組
s：散點圖中點的大小，可選
c：散點圖中點的顏色，可選
marker：散點圖的形狀，可選
alpha：表示透明度，在 0~1 取值，可選
linewidths：表示線條粗細，可選
```
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
#數(shù)據(jù)準備
height = [155,158,160,167,170]
weight=[40,42,45,50,60]
#繪圖 透明度為0.7
plt.scatter(x=height,y=weight,alpha=0.7)
plt.xlabel('height')
plt.ylabel('weight')
plt.show()
```
柱形圖與直方圖
區(qū)別：
柱形圖展示類別（非數(shù)值）的頻數(shù)，柱狀圖是分開排列。
直方圖展示各組數(shù)據(jù)的頻數(shù)，分組數(shù)據(jù)具有連續(xù)性，因此直方圖的各矩形通常是連續(xù)排列，
直方圖
hist(x, bins=None,color=None, label=None, stacked=False, normed=None,? data=None, **kwargs)
主要參數(shù)說明如下：
bins：直方圖中箱子 (bin) 的總個數(shù)。個數(shù)越多，條形帶越緊密。
color：箱子的顏色。
normed：對數(shù)據(jù)進行正則化。決定直方圖y軸的取值是某個箱子中的元素的個數(shù) (normed=False), 還是某個箱子中的元素的個數(shù)占總體的百分比 (normed=True)。
```
import numpy as np
import matplotlib.pyplot as plt
aveage = 100 #平均值
sigma = 20? #標準差
#設置隨機數(shù)種子，為了使每次隨機樹生成的結果一樣
np.random.seed(1)
a= np.random.randn(2000)#生成2000個標準正太分布0-1的數(shù)
x=aveage + sigma*a
#畫直方圖，設定50個箱子bins,采用正則化normed=True
plt.hist(x,bins=50,color='red',normed=True)
plt.title("hist test")
plt.show()
```
餅圖
plt.pie(x,labels=標簽列表 ,autopct = 1)
x為傳入的值，labels為餅圖各塊的標簽，autopct為是否顯示餅圖各塊的占比百分數(shù)
```
import matplotlib.pyplot as plt
x = [20,40,40]#設置餅圖各塊數(shù)值
labels = 'A','B','C'#設置餅圖各塊標簽
#autopct設置顯示百分比， ‘%.0f%%’中的數(shù)字表示保留小數(shù)點后幾位，此處為0表示保留0位
plt.pie(x, labels=labels, autopct = '%.0f%%')
plt.show()
```
顯示多個圖
- plt.subplot(x,y)
```
names = ['BMW', 'Benz', 'Audi']
values = [30, 10, 20]
plt.subplot(221)? #構建2x2張圖中的第1張子圖
plt.bar(names, values) #統(tǒng)計圖
plt.subplot(222)
plt.scatter(names, values) #散點圖
plt.subplot(223)
plt.plot(names, values) #折線圖
plt.suptitle('三種圖示',fontname='SimHei')
plt.show()
```
