绘图是数据分析中最重要的任务之一，而matplotlib 作为python 绘图的标准库，可以作出几乎所有你想要的图形。
1. 绘制一个简单的图形
首先，在绘制图形之前，我们需要导入两个基本模块，即 matplotlib.pyplot 和numpy，接着我们使用 numpy 作出 x 轴与 y 轴，最后就可以绘图了,代码如下：
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(-np.pi,np.pi,0.01)
y = np.sin(x)
plt.plot(x, y)
plt.show()
2. 图表元素基础操作
基本参数设置如下
-
color = 'r'或c = 'r'---颜色 -
linestyle = '--'---线条类型 -
linewidth = 1.0---线条粗细 -
label = 'x'---标签 -
marker = '*'---数据点显示 * -
plt.xlabel()---x 轴标题 -
plt.ylabel()---y 轴标题 -
plt.title()---图形标题 -
plt.xticks()---设置x轴刻度位置，以及旋转角度（rotation）和字大小（fontsize='small'/'medium'/'large'） -
plt.xticklabels---设置x轴刻度标签，也可理解是为刻度重新赋值，同样可设置标签旋转角度及字体大小（同xticks） -
plt.legend()---图例 -
plt.grid(Ture)---添加网格，也可设置网格颜色，网格线条粗细和类型（同上） -
plt.xlim(xmin,xmax)---x轴变化范围 -
plt.ylim(ymin,ymax)---y轴变化范围 -
plt.axis([xmin,xmax,ymin,ymax])---同时设置x，y轴范围，但必须加 [] -
plt.savefig('文件名'，dpi=200，bbox_inches = 'tight')----dpi ☞像素，默认100；bbox_inches ☞要保存图片的范围，传递'tight'，将会去除掉图片的周围空白部分
例如：
x1 = np.linspace(-np.pi,np.pi,1000)
x2 = np.arange(-4,5)
y1 = np.sin(x1)
y2 = 0.1 * x2 - 0.2
plt.plot(x1,y1,'r--',label = 'y1',linewidth = 1.5)
plt.plot(x2,y2, 'b-',marker = '*',label = 'y2')
plt.axis([-np.pi, np.pi, -1, 1])
plt.xlabel('x')
plt.ylabel('$sin(x)$')
plt.title('Example')
plt.legend()
3.图片与子图
在对数据绘图过程中，不可避免的我们会经常将一组数据绘制不同维度的图形，并会放在一起进行对比，因此涉及到子图的问题。在python中，建立子图通常有两种方式
- 第一种：
fig = plt.figure()
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
- 第二种
fig, axes = plt.subplots(2,2)
ax1,ax2,ax3,ax4 = axes.flatten()
#因为生成的 axes 是一个二维数组，因此可以像二维数组那样方便的进行索引
axes[0,0] #第一个子图
axes[1,1] #第四个子图
