【高级特性】55、数据可视化（matplotlib）【高级特性】55、数据可视化（matplotlib）

目录
一、numpy矩阵处理库
二、matplotlib绘图库
三、基本思路
四、简单函数图形
五、定制线形/标签图例
六、散点图和直方图

一、numpy矩阵处理库

• numpy是Python用于处理大型矩阵的一个速度极快的数学库
  可以做向量和矩阵的运算，包括各种创建矩阵的方法，以及一般的矩阵运算、求逆、求转置

• 它的很多底层的函数都是用C写的，可以得到在普通Python中无法达到的运行速度

  

  image.png

• numpy方法
  ①矩阵计算
  创建矩阵 a=np.matrix（[]）
  矩阵求逆 a.I
  矩阵转置 a.T
  矩阵乘法a*b或np.dot（a，b）
  ②对象属性
  np.shape数组形状，矩阵则为n行m列
  np.size对象元素的个数
  np.dtype指定当前numpy对象的整体数据

image.png

二、matplotlib绘图库

• matplotlib是Python的一个绘图库。它包含了大量的工具，可以使用这些工具创建各种图形：
  简单的散点图、折线图，甚至三维图形、动画等

  

  image.png
• matplotlib功能异常强大
  http://matplotlib.org/gallery.html
• Python科学计算社区经常使用它完成数据可视化的工作

三、基本思路

• 基本思路
  通过将图像上一些点的坐标连接起来，即可绘制函数的近似图像，当点越多时，所绘图像越接近函数图像
• numpy库的linspace（）函数生成数组
  numpy.1inspace（，，）
  生成一个存放等差数列的数组，数组元素为浮点型，包含三个参数，分别是：数列起始值、终止值（默认包含自身）、数列元素个数
• matplotlib库的plot（）函数用来画图
  可以设定图形颜色、线条线型、以及做标注等

四、简单函数图形

image.png

五、定制线形/标签图例

plot（）函数的绘制样式参数表示

• 颜色

  

  image.png

• 线型与点型

  

  image.png
  

  image.png

• 标签图例：
  坐标轴标签：plt.xlabel（）、plt.ylabel（）
  图形标题：plt.title（）

六、散点图和直方图

• 散点图
  函数scatter（x，y）（x，y）是点的坐标

image.png

image.png

• 直方图
  函数hist（x，n）x是横坐标，n是条状图的数量
  

  image.png
  

  image.png