2、制作散点图
很尴尬啊，我已经忘记了我自己还有这么一个专栏，中间断了足足一年，赶紧回来给续上。
matplotlib的散点图应该是最基础的应用了，这里就先给出一个简单的例子，如果有人急着用来不及学习就可以拿走直接复制粘贴再改一改。
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,10,11)
y = np.sin(x)
plt.scatter(x, y)
plt.show()
最后一行的这个plt.show()在jupyter notebook中是不必加上的，不会影响出图。但是如果你使用的的是一个集成的编辑器比如pycharm什么的，那就需要加上这句话，否则程序运行后你是看不见生成的图的。
我这里的演示就直接用cmd了，没必要再建立一个新文件。
不知道大家注意到没有，我这里没有使用之前建立画布的语句，因为我这里只是为了快速出图，采用的面向过程的模式，而建立画布再进行操作应该是属于面向对象的思路了，我再画一次。
这种模式相较于前一种可以更好地控制结果图，包括大小和颜色等参数，建议在一开始就习惯这种OOP写法。
最后放上两个来自gallery的绘图，比较漂亮。
import matplotlib.pyplot as plt
import numpy as np
# unit area ellipse
rx, ry = 3., 1.
area = rx * ry * np.pi
theta = np.arange(0, 2 * np.pi + 0.01, 0.1)
verts = np.column_stack([rx / area * np.cos(theta), ry / area * np.sin(theta)])
x, y, s, c = np.random.rand(4, 30)
s *= 10**2.
fig, ax = plt.subplots()
ax.scatter(x, y, s, c, marker=verts)
plt.show()
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cbook as cbook
# Load a numpy record array from yahoo csv data with fields date, open, close,
# volume, adj_close from the mpl-data/example directory. The record array
# stores the date as an np.datetime64 with a day unit ('D') in the date column.
with cbook.get_sample_data('goog.npz') as datafile:
price_data = np.load(datafile)['price_data'].view(np.recarray)
price_data = price_data[-250:] # get the most recent 250 trading days
delta1 = np.diff(price_data.adj_close) / price_data.adj_close[:-1]
# Marker size in units of points^2
volume = (15 * price_data.volume[:-2] / price_data.volume[0])**2
close = 0.003 * price_data.close[:-2] / 0.003 * price_data.open[:-2]
fig, ax = plt.subplots()
ax.scatter(delta1[:-1], delta1[1:], c=close, s=volume, alpha=0.5)
ax.set_xlabel(r'$\Delta_i$', fontsize=15)
ax.set_ylabel(r'$\Delta_{i+1}$', fontsize=15)
ax.set_title('Volume and percent change')
ax.grid(True)
fig.tight_layout()
plt.show()
这几个程序都用到了numpy 函数库，如果有没有用过的同学建议自己先学一下。
