环境：
Windows10
python3.6.4
numpy1.14.1
matplotlib2.1.2
工具：Cmder
目录:
1.线性图
2.散点图
3.饼状图
4.条形图
5.直方图
例1：一条简单的线性直线
import matplotlib.pyplot as plt
import numpy as np data = np.arange(100, 201) ##可以尝试改下范围值看看图片有什么变话
plt.plot(data)
plt.show()
注：
1.通过np.arange(100, 201)生成一个[100, 200]之间的整数数组，它的值是：[100, 101, 102, … , 200]
2.通过matplotlib.pyplot将其绘制出来。
很显然，绘制出来的值对应了图中的纵坐标（y轴）。
而matplotlib本身为我们设置了图形的横坐标（x轴）：[0, 100]，因为我们刚好有100个数值
3.通过plt.show()将这个图形显示出来
例2：一次画多个直线
import matplotlib.pyplot as plt
import numpy as np data = np.arange(100, 201)
plt.plot(data) data2 = np.arange(200, 301)
plt.figure()
plt.plot(data2) plt.show()
例2~：画在同一个画板中
import matplotlib.pyplot as plt
import numpy as np data = np.arange(100, 201)
plt.subplot(2, 1, 1)
plt.plot(data) data2 = np.arange(200, 301)
plt.subplot(2, 1, 2)
plt.plot(data2) plt.show()
plt.subplot(2, 1, 1) Return a subplot axes at the given grid position.
创建一个2行1列的图片，并在第一个位置【第1行第1列】中准备创建一个图
例3：线型图【比起例1来说，我们x,y都是已有的】
import matplotlib.pyplot as plt plt.plot([1, 2, 3], [3, 6, 9], '-r')
plt.plot([1, 2, 3], [2, 4, 9], ':g') plt.show()
1.plot函数的第一个数组是横轴的值，第二个数组是纵轴的值，所以它们一个是直线，一个是折线；
2.最后一个参数是由两个字符构成的，分别是线条的样式和颜色。
前者是红色的直线，后者是绿色的点线。
注：API：matplotlib.pyplot.plot 文档
例4：散点图【借助于scatter函数绘制散点】
import matplotlib.pyplot as plt
import numpy as np N = 20
##plt.scatter(x,y,color颜色,size大小,alpha透明度)
plt.scatter(np.random.rand(N) * 100, np.random.rand(N) * 100, c='r', s=100, alpha=0.5)
plt.scatter(np.random.rand(N) * 100, np.random.rand(N) * 100, c='g', s=200, alpha=0.5)
plt.scatter(np.random.rand(N) * 100, np.random.rand(N) * 100, c='b', s=300, alpha=0.5) plt.show()
注：
1.这幅图包含了三组数据，每组数据都包含了20个随机坐标的位置
2.参数c表示点的颜色，s是点的大小，alpha是透明度
注：API：matplotlib.pyplot.scatter 文档
例5:饼状图【pie函数可用于绘制饼状图】
import matplotlib.pyplot as plt
import numpy as np labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
data = np.random.rand(7) * 100 plt.pie(data, labels=labels, autopct='%1.1f%%')
plt.axis('equal')
plt.legend() plt.show()
注:
1.data是一组包含7个数据的随机数值
2.图中的标签通过labels来指定
3.autopct指定了数值的精度格式
4.plt.axis('equal')设置了坐标轴大小一致
5.plt.legend()指明要绘制图例（见下图的右上角）
注：API：matplotlib.pyplot.pie 文档
例6：条形图【bar函数可用于绘制条形图】
import matplotlib.pyplot as plt
import numpy as np N = 7 x = np.arange(N)
data = np.random.randint(low=0, high=100, size=N)
colors = np.random.rand(N * 3).reshape(N, -1)
labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun'] plt.title("Weekday Data")
plt.bar(x, data, alpha=0.8, color=colors, tick_label=labels)
plt.show()
注:
1.这幅图展示了一组包含7个随机数值的结果，每个数值是[0, 100]的随机数
2.它们的颜色也是通过随机数生成的。
np.random.rand(N * 3).reshape(N, -1)表示先生成21（N x 3）个随机数，然后将它们组装成7行，那么每行就是三个数，这对应了颜色的三个组成部分RGB。
3.title指定了图形的标题，labels指定了标签，alpha是透明度
注：API：matplotlib.pyplot.bar 文档
例7：直方图【hist函数可用于绘制直方图】
import matplotlib.pyplot as plt
import numpy as np data = [np.random.randint(0, n, n) for n in [3000, 4000, 5000]]
labels = ['3K', '4K', '5K']
bins = [0, 100, 500, 1000, 2000, 3000, 4000, 5000] plt.hist(data, bins=bins, label=labels)
plt.legend() plt.show()
注:
[np.random.randint(0, n, n) for n in [3000, 4000, 5000]]生成了包含了三个数组的数组，这其中：
第一个数组包含了3000个随机数，这些随机数的范围是 [0, 3000)
第二个数组包含了4000个随机数，这些随机数的范围是 [0, 4000)
第三个数组包含了5000个随机数，这些随机数的范围是 [0, 5000)
bins数组用来指定我们显示的直方图的边界，即：
[0, 100) 会有一个数据点，
[100, 500)会有一个数据点，以此类推。所以最终结果一共会显示7个数据点。
