Python之绘图和可视化
1. 启用matplotlib
最常用的Pylab模式的IPython（IPython --pylab）
2. matplotlib的图像都位于Figure对象中。
可以使用plt.figure创建一个新的Figure，不能通过空Figure绘图，必须用add_subplot创建一个或多个subplot axes[0,1]可以通过sharex和sharey指定subplot应该具有相同的X轴或Y轴。
利用Figure的subplots_adjust方法可以修改间距，wspace和hspace用于控制宽度和高度的百分比，可以用作subplot之间的间距。
3. 颜色、标记和线型
ax.plot(x,y,'g--')
4. 刻度标签和实例
图表装饰项，实现方法：使用过程型 pyplot接口以及更为面向对象的原生matplotlib API。
5. 添加图例（legend）
图例是另一种用于标识图表元素的重要工具，最简单的方式是在添加suplot的时候传入label参数：
fig = plt.figure();ax = add_subplot(1,1,1) ax.plot(randn(1000).cumsum(),,'k',label='one')
6. 注解以及在Subplot上绘图
注解可以通过text、arrow和annotate等函数进行添加。
7. 将图表保存到文件
得到一张带有最小白边且分辨率为400DPI的PNG图片。
plt.savefig('figpath.png',dpi=400,bbox_inches='tight')
其中，dpi每英寸点数和bbox_inches可以剪出当前图表周围的空白部分。
8. matplotlib配置
利用rc方法，plt.rc('figure',figsize=(10,10))全局默认图像大小为10X10
也可以写成字典：
font_options = {'family':'monospace','weight':'bold','size':'small'}
plt.rc('font',**font_options)
9. pandas中的绘图函数
线形图:默认情况 柱状图：bar;barh 直方图和密度图：Series的hist方法、kin='kde' 散布图：plt.scatter
感谢阅读，希望能帮助到大家，谢谢大家对本站的支持！
