cdf图参考博客：
https://www.cnblogs.com/wangjingchn/p/7376470.html
http://ju.outofmemory.cn/entry/146829
直方图
hist,bin_edges=np.histogram(arr)
>>hist #每个区间的频数
array([ 2, 2, 6, 8, 15, 18, 16, 19, 5, 9], dtype=int64)
>>bin_edges #每个区间的分界点
array([-2.58122354, -2.13107873, -1.68093391, -1.2307891 , -0.78064429,
-0.33049947, 0.11964534, 0.56979015, 1.01993497, 1.47007978,
1.92022459])
subplot
绘制子图的格式：
plt.subplot(221) #要生成两行两列，这是第一个图plt.subplot('行','列','编号')
其中，编号遵循---行优先！
image.png
生成numpy数组nadarray
- 生成随机数组：
arr = np.random.normal(size=100) - 使用列表list转化成numpy：
data=data.split('\t') #data是一行用回车符分隔的字符串，转化成列表
for
data=np.array(data)
np.linspace
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
在指定的间隔内返回均匀间隔的数字。
返回num均匀分布的样本，在[start, stop]。
这个区间的端点可以任意的被排除在外。(endpoint=False)
>>>
>>> np.linspace(2.0, 3.0, num=5)
array([ 2. , 2.25, 2.5 , 2.75, 3. ])
>>> np.linspace(2.0, 3.0, num=5, endpoint=False)
array([ 2. , 2.2, 2.4, 2.6, 2.8])
>>> np.linspace(2.0, 3.0, num=5, retstep=True)
(array([ 2. , 2.25, 2.5 , 2.75, 3. ]), 0.25)
原文链接：https://blog.csdn.net/you_are_my_dream/article/details/53493752
