matplotlib

import matplotlib.pyplot as plt

import numpy as np

1.# matplotlib 数据可视化

x = np.linspace(1,10,50) #从1到10，左闭右闭，均匀间隔的产生100个数
siny=np.sin(x)
cosy=np.cos(x)

(1)#折线图的绘制,折线图的横坐标一般代表特征,折线图的纵坐标一般表示取值

#绘制一个图形
plt.plot(x,siny)
plt.show() # 注意:最后必须有这句话,图片才会呈现出来


#在一个图里绘制两个图形，多个图形同理
plt.plot(x,siny)
plt.plot(x,cosy)
plt.show() # 注意:最后必须有这句话,图片才会呈现出来

#图形的一些设置

plt.plot(x,siny,color="r",linestyle="--",marker = "o",label="sin(x)") #颜色，线型，标记，图例
plt.plot(x,cosy,color="b",linestyle="-",marker = "^",label="cos(x)")
plt.xlim(-1,15) #x轴的取值范围
plt.ylim(-1.5,1.5) # y轴的取值范围 
#plt.axis([-1,15,-1.5,1.5]) #等价于 上边的两句话,均为设置坐标轴的范围
plt.xlabel("x") #绘制x坐标轴的标识
plt.ylabel("y") #绘制y坐标轴的标识
plt.legend() #绘制图例
plt.title("compare sin and cos") #绘制标题
#plt.show()



(2)#散点图的绘制，散点图的 横纵坐标一般均表示特征，有二维特征时，可用散点图
plt.scatter(x,siny)
plt.scatter(x,cosy)
plt.show()



x = np.random.normal(0,1,100000)
y = np.random.normal(0,1,100000)
plt.scatter(x,y,alpha=0.5) #二维正态分布图,alpha 为透明度，根据需要，使可视化的效果更好
plt.show()

# 一些其他的东西，有待后续继续学习和发现

plt.rcParams["figure.figsize"] = (10.0, 8.0) #显示图像的最大空间
plt.rcParams["image.interpolation"] = "nearest" #差值方式？

plt.rcParams["image.cmap"] = "gray"#灰度空间

阅读更多