matplotlib基本函数

数据分析
    matlab
    Numpy + scipy + pandas +matplotlib
    数据计算 +科学应用＋数据清洗＋数据可视化
１　Numpy概述
    1 基于c语言的python接口的数值算法库
    2 开源免费
    3 弥补了python语言在数值计算方面的短板
    4 作为常用科学计算工具的底层支撑
2 Numpy的性能
    1 简化代码编写，提高开发效率
    2 通过优化底层实现，提高运行速度
    基础：
        1 数组
        2 Numpy中的数组是ndarray类实例化的对象：
            实例数据：数组的内容
            元数据：对数组的描述
            大部分对数组的操作仅仅是对元数据的操作，以此提高执行性能
        3 Numpy中的数组必须是同质的，即所有元素的数据类型必须完全相同
        4 dtype和shape属性分别表示元素类型和维度
        5 实例化
            np.arange(起始值，终止值，步长)
            默认起始值0
            默认步长：1
            np.array(任何可被解释为数组的序列)
        6 类型转换astype(目标类型)->转换后的新数组
        7 '<U21' 表示字符串，其中每个字符都是小端字节序的21位Unicode字符
    3 多维数组和元素索引
        数组的维度表示为一个元组:(高维度数->低维度数)
        一维数组，6个元素:（6，）
        二维数组，2行3列：（2，3）
        三维数组，2页3行4列：（2，3，4）
            1 通过下标运算符访问数组中的元素
            2 数组[页标][行标][列标]
            3 数据类型
                存储形式，处理方式
                1 内置类型
                    布尔型
                    bool_ : True/False
                    整型
                    有符号 ：int8/int16/int32/int64
                    无符号 : uint8/uint16/uint32/uin64
                    浮点型： float16/float32/float64
                    复数型 ：complex64/complex128
                2 复合类型
                    有多个相同或不同类型的字段组合而成的类型
                    np.array(..,dytpe=复合类型)
                3 类型字符码
                    bool_:?
                    有符号整型：i1/2/4/8
                    无符号整型：u1/2/4/8
                    浮点型： f2/4/8
                    复数型：c8/16
                    字符串:U<字符数>
                    日期时间：M
                    字节序(针对多字节整型)：</>/=表示小端/大端/硬件
                4 切片
                    数组[起始：终止：步长]
                    默认起始：首（正步长）/尾(负步长)
                    默认终止：尾后(正步长)/首前
                    默认步长:1
                5 变维
                    1 视图变维：元数据独立，实际数据共享
                        1 数组.reshape(新维度) ->新数组
                        元素数和维度数必须匹配
                        2 数组.ravel() -> 得到的是一维数组
                        3 复制变维：元数据和实际数据都是独立的
                            数组.flatten() -->一维数组 （数组运算不会改变）
                        4 就地变维：修改元数据的值（维度信息，不会产生新的数组对象）
                            数组.shape = 新维度
                            数组.resize(新维度)
                6  组合拆分
                    1 垂直组合：沿着垂直方向组合两个小的同维数组为一个大数组
                        np.vstack((上，下))
 
                        np.concatenate((上，下),axis=0)
                            axis : 轴向，用维度的下标表示 0为行，，1为列
                    2 水平组合：沿着水平方向组合两个小的同维数组为一个大数组
                        np.hstack((左，右))
                        np.concatenate((左，右),axis=1)
                    3 深度组合:沿着纵深方向组合两个小的同维数组为一个大数组
                        np.dstack((前，后))  会升维
                    4 行组合：以两个一维数组按照行的方式组合成一个二维数组
                        np.row_stack((上，下))
                    5 列组合：以两个一维数组按照列的方式组合成一个二维数组
                        np.column_stack((左,右))
                    6 垂直拆分：将一个大的数组沿着垂直方向拆分成若干个小的同维数组
                        np.vsplit(被拆分数组，拆分份数)
                        np.split(被折分数组，拆分份数，axis=0)
                    7 水平拆分：将一个大的数组沿着水平方向拆分成若干个小的同维数组
                        np.hsplit(被折分数组，拆分份数)
                        np.split(被折分数组，拆分份数，axis=1)
                    8 深度拆分：将一个大的数组沿着纵深方向拆分成若干个小的同维数组
                        np.dsplit(被拆分数组，拆分份数)
                7 ndarray的属性
                    dtype -元素的数据类型
                    shape - 数组的维度
                    ndim - 数组的维数，len(shape)
                    size - 数组的元素数,shape中元素相乘
                    itemsize - 元素字节数，与dtype相关
                    nbytes - 总字节数，size x itemsize
                    T - 转置视图
                    real - 复数数组的实部视图
                    imag - 复数数组的虚部视图
                    flat - 扁平迭代器
                8 ndarray <==>list
                    np.array(列表)
 
二：数据可视化(Matplotlib)
    1 基本绘图
        plot(水平坐标，垂直坐标)
    2 线型，线宽和颜色
        plot(...,linestyle=线型，linewidth=线宽，color=颜色,...)
        线形:[-]/--/:./o/o-/...
        线宽：0-oo
        color:dodgerblue/orangeered/limegreen/red/blue/...
    3 设置坐标范围
        xlim(水平坐标最小值，水平坐标最大值)
        ylim(水平坐标最大值，水平坐标最大值)
        坐标范围越大，图形越小，反而反之。
    4 设置坐标刻度
        xticks([水平轴刻度位置])
        yticks([垂直轴刻度位置])
        表示数学的字符pi(  [r'$-\pi$']   )
        表示数学2分之pi (  r'$-\frac{\pi}{2}$'  )
    5 设置坐标轴属性
        ax = gca() # 获取当前坐标轴图
        ax.spines['left'] - 左纵轴
            ax.spines['left'].set_position(('data', 0))
        ax.spines['right'] - 右纵轴
        ax.spines['top'] - 上横轴
        ax.spines['bottom'] - 下横轴
        XX轴.set_position((坐标系，坐标值)) #设置位置
 
        XX轴.set_color(颜色) #设置颜色
            ax.spines['top'].set_color('none')
    6 图例
        plot(...,label=图例标签,...)
        legend([loc=显示位置])
    7 添加特点
        scatter(水平坐标，垂直坐标，s=大小,marker=点型,
            edgecolor=边缘色,facecolor=填充色,zorder=Z顺序)
    8 备注
        annotate(
            备注文本，
            xy =目标坐标，
            xycoords =目标坐标系,
            xytext=文本坐标，
            textcoords=文本坐标系,
            fontsize=字体大小,
            arrowprops=箭头属性)
    9 图形(窗口)对象
        figure(窗口名(标题栏文本),figsize=大小，dip=分辨率,facecolor=颜色)
        如果与指定窗口名对应的图形对象不存在，那么就新建一个图形窗口，如果已存在，那么不会再新建图形窗口，而是将已存在的那个图形窗口设置为当前窗口
        title(窗口标题,fontsize=字体大小)
        xlabel（垂直轴标签,fontsize=字体大小）
        tick_params(labelsize=刻度标签字体大小)
        grid(linestyle=网格线型)
    10 子坐标图
        1 矩阵布局
            subplot(行数，列数，图号)
            tight_layout() #紧凑布局
        2 删格布局
            删格定位器 = mp.GridSpec(行数，列数)
            subplot(删格定位器[行，列]
 
        3 自由布局
            axes([左，底，宽，高]) # 归一化单位
    11 刻度定位器
        xxxLocator(定位规则)
        ax = gca()
        ax.xaxis  水平坐标
        ax.yaxis  垂直坐标
        坐标轴.set_major_locator(刻度定位器) #主刻度
        坐标轴.set_minor_locator(刻度定位器) #次刻度
        mp.axis('off') #关闭坐标轴
    12 区域填充
        fill_between(水平坐标，起点垂直坐标，终点垂直坐标，color=颜色,alpha=透明度    )
    13 条形图
        bar(水平坐标，绝对高度，相对宽高,color=颜色,label=图例标签，alpha=透明度)
    14 饼图
        pie(值数组，间隙数组，标签数组，颜色数组,shadow =是否带阴影，startangle=起始角度)
    15 等高线图
        contour(点阵X坐标矩阵，点阵Y坐标矩阵，点阵Z坐标矩阵，梯度数,colors=颜色,linewidths=线宽)
    16 热力图
 
    17 网格线
        ax = gca()
        ax.grid(which="major/minor",axis='x/y/both')
    18 半对数坐标
        semi(同plot)
    19 极坐标
        gca(projection='polar') #创建极坐标图
        plot/scatter(极角，极径)
    20 三维坐标系
        from mp;_toolkits.mplot3d import axes3d
        1 三维散点
            ax.scatter(x坐标，Y坐标，Z坐标，s= 大小，marker=点形 ，
                        edgecolor=边缘色，fancecolor=填充色，
                        zorder=Z顺序)
        2 空间曲面
            ax.plot_surface(点阵X坐标，点阵Y坐标矩阵，点阵Z坐标矩阵，rstride=行跨距，
                            cstride=列跨距，cmap=颜色映射)
            ax.plot_wireframe(点阵X坐标矩阵，点阵Y坐标矩阵，点阵Z坐标矩阵，
                            rstride=行跨距，cstride=列跨距，linewidth=线宽，color=颜色)