共计 1828 个字符，预计需要花费 5 分钟才能阅读完成。
matplotlib 是 python 中的一个数据可视化库，可以做出很多数据统计图，下面来说一说 matplotlib 的一些基本使用。
1. 首先引入和数据分析有关的库。
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
2. 然后使用 pandas 读入数据。
3.fig = plt.figure(figsize=(m,n))：规定一个长为 m，宽为 n 的画图区域。
4.plt.xlabel(“”)：规定横轴名称。
5.plt.ylabel(“”)：规定纵轴名称。
6.plt.title(“”)：规定图像名称。
7.plt.xticks(rotation=k)：将 x 轴的各标签旋转 k 度。
8.plt.legend(loc=”best)：添加图例，loc 为图例的位置，传入 best 系统会自动寻找最佳的图例位置。下图为绘制五条折线。
fig = plt.figure(figsize=(10,7)) #规定绘图区域大小
color = [“green”,”cyan”,”yellow”,”red”,”black”] #指定五条折线的颜色
plt.xlabel(“Month”)
plt.ylabel(“Unemployment Rate”)
plt.title(“Unemployment Statics Trend,1948”)
for i in range(5):
x = i*12
y = (i+1)*12
subset = unrate[x:y]
label = str(1948+i)
plt.plot(subset[“MONTH”],subset[“VALUE”],c=color[i],label=label)
plt.legend(loc=”best”) #添加图例到最佳显示位置
plt.show()
9.fig.add_subplot()：添加子图绘制区域。
fig = plt.figure(figsize=(10,8))
ax1 = fig.add_subplot(2,2,1) #指定子图位置
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax4 = fig.add_subplot(2,2,4)
plt.show()
10.ax.set_xticks()：指定 x 轴绘图坐标。
11.ax.set_xticklabels()：指定 x 轴每个标签的名字。
12.ax.set_xlabel()、ax.set_ylabel()、ax.set_title()：分别指定 x 轴，y 轴，图像名称。
num_cols = [‘RT_user_norm’, ‘Metacritic_user_nom’, ‘IMDB_norm’, ‘Fandango_Ratingvalue’, ‘Fandango_Stars’]
bar_heights = norm_reviews.loc[0,num_cols].values
print(bar_heights)
bar_positions = np.arange(5)
print(bar_positions)
tick_positions = range(0,5)
fig,ax = plt.subplots(figsize=(10,8)) #用 ax 画图，fig 控制区域
plt.bar(bar_positions,bar_heights,0.6) #0.6 表示所画条形图每个图形的宽度
ax.set_xticks(tick_positions)
ax.set_xticklabels(num_cols,rotation=45)
ax.set_xlabel(“Rating Source”)
ax.set_ylabel(“Average Rating”)
ax.set_title(“Average User Rating For Avengers:Age of Ultron(2015)”)
plt.show()
13. 如果要让条形图横着画，只需将绘制条形图的命令 plt.bar() 改为 plt.barh()，如果有需要再重新指定一下自己所需的横纵坐标即可。
14.plt.scatter()：绘制散点图。
15.plt.hist(x,bins=k,range=(m,n))：绘制直方图，bins 指定绘制出数据的条数，range() 指定直方图横坐标的取值范围。
16.ax.boxplot()：绘制盒形图，盒形图可以直观的观察出数据的离群点，也就是不符合规范的数据，具体到 seaborn 库时会讲。
