文章目录1.画散点图2.画柱状图3.等高线图4.image图5.画3D图
1.画散点图
首先，先引入matplotlib.pyplot简写作plt,再引入模块numpy用来产生一些随机数据。生成100个呈标准正态分布的二维数据组 (平均数是0，方差为1) 作为一个数据集，并图像化这个数据集。每一个点的颜色值用T来表示：
import matplotlib.pyplot as plt
import numpy as np
X = np.random.normal(0,1,100) #高斯分布(均值为0，方差为1，100个样本)
Y = np.random.normal(0,1,100)
T = np.arctan2(Y,X) #反正切函数，返回的是弧度
plt.scatter(X,Y,s=50,c=T,alpha=.8) #alpha为透明度
plt.xlim(-3,3)
plt.ylim(-3,3)
plt.xticks(()) #参数为空代表隐藏x轴坐标
plt.yticks(())
plt.show()
输入X和Y作为location，size=50，颜色为T，color map用默认值，透明度alpha 为 80%。 x轴显示范围定位(-3，3)，并用xtick()函数来隐藏x坐标轴，y轴同理。效果如下图：
2.画柱状图
生成10个数据，X为 0 到 9 的整数 ，Y是相应的均匀分布的随机数据。 使用的函数是plt.bar，参数为X和Y
下面我们就颜色和数值进行优化。 用facecolor设置主体颜色，edgecolor设置边框颜色为白色
接下来我们用函数plt.text分别在柱体上方加上数值，用%.2f保留两位小数，横向居中对齐ha=‘center’，纵向底部对齐va=‘bottom’：
import matplotlib.pyplot as plt
import numpy as np
X = np.arange(10)
Y = (1-X/float(10))*np.random.uniform(0.5,1.0,10) #从均匀分布中随机采样(上界、下界、样本输出数目)
plt.bar(X,Y,facecolor='pink',edgecolor='white')
for x,y in zip(X,Y):
plt.text(x+0.05,y+0.02,'%.2f' % y,ha='center',va='bottom')
plt.xlim(-.5,10)
plt.ylim(0,1.0)
plt.xticks(())
plt.yticks(())
plt.show()
3.等高线图
数据集即三维点 (x,y) 和对应的高度值，共有100个点。高度值使用一个 函数 f(x,y) 生成。 x, y 分别是在区间 [-3,3] 中均匀分布的100个值，并用meshgrid在二维平面中将每一个x和每一个y分别对应起来，编织成栅格:
接下来进行颜色填充。使用函数plt.contourf把颜色加进去，位置参数分别为：X, Y, f(X,Y)。透明度0.75，并将 f(X,Y) 的值对应到color map的暖色组中寻找对应颜色。
接下来进行等高线绘制。使用plt.contour函数划线。位置参数为：X, Y, f(X,Y)。颜色选黑色，线条宽度选0.5。其中，8代表等高线的密集程度，这里被分为10个部分。如果是0，则图像被一分为二。
