//2019.7.14晚
matplotlib七種常見圖像輸出編程大全
七種圖形匯總輸出如下：
import numpy as np #導入數據結構nmupy模塊
import matplotlib.pyplot as plt #導入matplotlib圖像輸出模塊
plt.rcParams["font.sans-serif"]=["SimHei"] #輸出圖像的標題可以為中文正常輸出
plt.rcParams["axes.unicode_minus"]=False #可以正常輸出圖線里的負號
（必會用到的導入模塊）
#1-1散點圖輸出
fig=plt.figure()
fig.add_subplot(3,3,1)
n=128
X=np.random.normal(0,1,n) #隨機數X的生成（生成正態分布，平均數為0，方差為1，個數為128）
Y=np.random.normal(0,1,n) #隨機數Y的生成（生成正態分布，平均數為0，方差為1，個數為128）
T=np.arctan2(Y,X)
#plt.axes([0.025,0.025,0.95,0.95]) #指定顯示范圍
plt.scatter(X,Y,s=75,c=T,alpha=.5) #畫散點圖的函數scatter（其中XY表示數值的大小，s表示散點的尺寸大小，c表示顏色，alpha表示透明度)
plt.xlim(-1.5,1.5),plt.xticks([]) #x和y坐標軸的范圍
plt.ylim(-1.5,1.5),plt.yticks([]) #x和y坐標軸的范圍
plt.axis() #顯示所有圖像范圍
plt.title("scatter")
plt.xlabel("x")
plt.ylabel("y")
#1-2bar 柱狀圖
fig.add_subplot(3,3,2)
n=10
X=np.arange(n) #定義從0-9的數列
Y1=(1-X/float(n))*np.random.uniform(0.5,1.0,n) #定義變量X的計算方式
Y2=(1-X/float(n))*np.random.uniform(0.5,1.0,n) #定義變量Y的計算方式
plt.bar(X,Y1,facecolor="#9999ff",edgecolor="white") #編輯輸出柱狀圖的格式（其中facecolor表示輸出柱狀圖的顏色，edgecolor表示邊框的顏色）
plt.bar(X,-Y2,facecolor="#ff9999",edgecolor="white") #編輯輸出柱狀圖的格式
for x,y in zip(X,Y1): #編輯輸出柱狀圖的位置格式（其中0.4表示每個柱狀圖之間的距離，'%.2f'% y表示輸出小數點的位數，ha表示數值標注橫向對齊，va表示柱狀圖縱向對齊位置）
plt.text(x,y+0.05,'%.2f'% y,ha='center',va="bottom")
for x, y in zip(X,Y2):
plt.text(x,-y-0.05,'%.2f'% y,ha='center',va="top")
#Pie1-3(餅圖)
fig.add_subplot(3,3,3)
n=20
z=np.ones(n)
z[-1]=2
plt.pie(z,explode=z*.05,colors=["%f"%(i/float(n)) for i in range(n)],labels=["%.2f"%(i/float(n)) for i in range(n)])
#其中z為原來輸入的數組，explode表示整個扇形距離圓心的距離大小（如果不寫默認為0），colors表示顏色變化，labels表示各個扇形的數值大小（其中2表示小數位數大小
plt.gca().set_aspect("equal") #圓形
plt.xticks([])
plt.yticks([])
plt.show()
#polar1-4(極坐標圖)
fig.add_subplot(3,3,4,polar=True) #需要使得polar模塊為真True
n=20
theta=np.arange(0.0,2*np.pi,2*np.pi/n) #定義角度
radii=10*np.random.rand(n) #定義半徑
plt.plot(theta,radii) #輸出折線圖
#plt.polar(theta,radii)兩種方式都可以 #輸出極坐標圖
#1-5 heatmap
from matplotlib import cm #輸出顏色設置模塊
fig.add_subplot(335)
data=np.random.rand(3,3)
cmap=cm.Blues #選擇顏色系為藍色體系
map=plt.imshow(data,interpolation="nearest",cmap=cmap,aspect="auto",vmin=0,vmax=1) #設置圖像輸出時的格式
#1-6 3D
from mpl_toolkits.mplot3d import Axes3D #導入3D模塊
fig.add_subplot(336,projection="3d")
x=np.random.randint(1,10,10)
y=np.random.randint(1,10,10)
z=x*2+2*y #函數關系式
plt.plot(x,y,z,"r") #輸出3D圖像
#1-7 hotmap熱流圖
fig.add_subplot(313)
def f(x,y):
return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
n=256
x=np.linspace(-3,3,n)
y=np.linspace(-3,3,n)
X,Y=np.meshgrid(x,y) #將xy轉換為矩陣
#將向量x和y定義的區域轉換成矩陣X和Y,其中矩陣X的行向量是向量x的簡單復制，而矩陣Y的列向量是向量y的簡單復制#假設x是長度為m的向量，y是長度為n的向量，則最終生成的矩陣X和Y的維度都是 nm （注意不是mn）
plt.contourf(X,Y,f(X,Y),8,cmap=plt.cm.hot) #輸出熱流圖
plt.show()
