matplotlibna

官网：http://matplotlib.org/

绘制图表，进行数据可视化

pandas：基础数据分析套件

scikit-learn：强大的数据分析建模库

keras：人工神经网络

matplotlib绘图的库

类似matlab的

绘制图表，进行数据可视化

pandas：基础数据分析套件

scikit-learn：强大的数据分析建模库

keras：人工神经网络

绘制图表，进行数据可视化

pandas：基础数据分析套件

scikit-learn：强大的数据分析建模库

keras：人工神经网络

#encoding=utf-8
'''
matplotlib就是一个绘图库
官网：http://matplotlib.org/
'''
import numpy as np
import matplotlib.pyplot as plt #用此来绘制一条线

def main():

    '''
# 1 基本线图绘制line
    x = np.linspace(-np.pi, np.pi, 256, endpoint=True)#定义一个横轴，类似matlab
                    #定义在-pi到pi之间有256个点，endpoint定义是否包含最后一个点
    c,s=np.cos(x),np.sin(x)#定义一个余弦函数c，定义一个正弦函数s
    plt.figure(1)#指定第一个图
    # plt.plot(x,c)#进行绘图,定义自变量x，因变量c
    # plt.plot(x,s)#进行绘图,定义自变量x，因变量c
    # plt.show()#可以显示简单的余弦函数和正弦函数
    plt.plot(x,c,color="blue",linewidth=1.0,linestyle="-",label="COS",alpha=0.5)#加其他属性，修改线型
    #color指定颜色blue，linewidth指定线宽为1.0，linestyle指定线型是直线，加一个label,alpha指定透明度
    plt.plot(x,s,"r*",label="SIN")
    #用另一种方式指定线型属性，r表示红色，*表示线型是星，再加个label
    plt.title("COS & SIN")  # 加一些东西，定义一个标题
    #此时界面上除了正弦反弦函数还有四条直线
    #如果想加横轴纵轴，先把两条线隐藏另外两条线放到中间即可
    ax=plt.gca()#gca()就是轴的编辑器
    ax.spines["right"].set_color("none")#spines就是四条直线
    ax.spines["top"].set_color("none")#“none”表示隐藏
    ax.spines["left"].set_position(("data",0))#放到数据域的0位置
    ax.spines["bottom"].set_position(("data",0))
    ax.xaxis.set_ticks_position("bottom")#指定xaxis的位置，在横轴的下面
    ax.yaxis.set_ticks_position("left")#指定yaxia的位置，在纵轴的左边
    plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi], [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
    #设置横轴，需要两个数组，第一个数组指定横轴需要标识的位置，第二个数组指定横轴标识的内容（写成pi字符）
    plt.yticks(np.linspace(-1, 1, 5, endpoint=True))#直接给y轴标数字
    #下面可以设置横纵轴标识符的大小
    for label in ax.get_xticklabels()+ax.get_yticklabels():#得到所有横轴和纵轴的坐标标识
        label.set_fontsize(16)#设置标识符字大小
        label.set_bbox(dict(facecolor="white",edgecolor="None",alpha=0.2))#设置label小方块格式，也横纵坐标标识符小方块格式
                    #facecolor是背景颜色，edgecolor是边缘颜色，alpha透明度
    plt.legend(loc="upper left")#指定legend位置，也就是图例偏上偏左
    plt.grid()#打印出网格线
    # plt.axis([-1,1,-0.5,1]) #指定显示范围
    #前面两个指定横轴最小最大，后面两个指定纵轴最小最大

    #接下来是一些有意思的功能
    plt.fill_between(x,np.abs(x)<0.5,c,c>0.5,color="green",alpha=0.25)#填充功能
    #x表示横轴，第二个是判断型元素，真返回1，假返回0；c表示纵轴
    t=1#在t=1的地方进行注释，加条线
    plt.plot([t,t],[0,np.cos(t)],"y",linewidth=3,linestyle="--")
    #“y”表示黄色，线型宽3，“--”表示虚线
    #下面给这条线加个注释
    plt.annotate("cos(1)",#画的是cos（1）
                 xy=(t,np.cos(1)),#加的点的位置
                 xycoords="data",#以被注释的坐标点xy为参考 (默认值)
                 xytext=(+10,+30),#如果不指定，注释会加到点上被覆盖住，所以有个偏移量
                 textcoords="offset points",#给偏移量指定是相对位置
                 arrowprops=dict(arrowstyle="->",connectionstyle="arc3,rad=.2"))#指定箭头类型
                                                 #这里设置箭头的属性，弧度为0.2

    plt.show()
    '''
#子图与多种图形绘制
#scatter散点图
    fig=plt.figure()
    ax=fig.add_subplot(3,3,1)#图画在了三行三列第一个位置上
    n=128
    X=np.random.normal(0,1,n)#生成随机数
    Y=np.random.normal(0,1,n)
    T=np.arctan2(Y,X)#T主要是用来上色
    #plt.axes([0.025,0.025,0.95,0.95])#如果没指定ax的显示指定范围
    ax.scatter(X,Y,s=75,c=T,alpha=.5)#用来画三点，s表示点的大小，c表示color，alpha表示透明度
    plt.xlim(-1.5,1.5),plt.xticks([])#x的范围，这里xticks设为空
    plt.xlim(-1.5,1.5),plt.yticks([])
    plt.axis()
    plt.title("scatter")
    plt.xlabel("x")
    plt.ylabel("y")
    #plt.show()

#bar条状图
    fig.add_subplot(332)#也可以这么表示三行三列第二个图，但如果分10个以上则不能这么写
    #只要加了add_subplot，接下来plt画图会在子图上，不赋值也可
    n=10#定义十个点
    X=np.arange(n)
    Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)#随机数范围在0.5~1之间
    Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)
    plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white')#正的Y1放在上面
    plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')#负的Y2放在下面
    for x,y in zip(X,Y1):#给Y1添加注释,ha表示水平位置，va表示垂直位置
        plt.text(x+0.4,y+0.05,'%.2f'%y,ha='center',va='bottom')
    for x, y in zip(X, Y2):#给Y2添加注释
        plt.text(x + 0.4, - y - 0.05, '%.2f' % y, ha='center', va='top')

#Pie 饼图
    fig.add_subplot(333)
    n=20#20个不分
    Z=np.ones(n)#全1的部分
    Z[-1]*=2#最后一个设置成2
    plt.pie(Z,#数组传进去代表每一块的值
            explode=Z*.05,#每一个扇形与中心的距离
            colors=['%f'%(i/float(n)) for i in range(n)],#每一个都有不同的颜色，%f表示灰度颜色，这里是不同的灰度，也可用不同RGB色
            labels=['%.2f'%(i/float(n)) for i in range(n)])#每一个颜色的值打印出来
    plt.gca().set_aspect('equal')#成为一个正的圆，不然会根据跨度发生形变
    plt.xticks([]),plt.yticks([])

#polar极坐标的图
    fig.add_subplot(334,polar=True)#加上polar属性就是极值图，不然就是普通折线图
    n=20
    theta=np.arange(0.0,2*np.pi,2*np.pi/n)
    radii=10*np.random.rand(n)
    plt.polar(theta,radii)
    #plt.plot(theta,radii)#polt表示画折线

#heatmap热图
    fig.add_subplot(335)
    from matplotlib import cm
    data=np.random.rand(3,3)#定义3*3的随机数
    cmap=cm.Blues#蓝色系
    map=plt.imshow(data,
                   interpolation='nearest',#用离最近的差值方法
                   cmap=cmap,
                   aspect='auto',#指定缩放是auto
                   vmin=0,#指定cmap里最小值是0，白色
                   vmax=1)#最大值是指定的颜色Blue

#3D图
    from mpl_toolkits.mplot3d import Axes3D
    ax=fig.add_subplot(336,projection="3d")#需要指定projection是3d
    ax.scatter(1,1,3,s=100)#s表示尺寸，这里scatter也可以用plot之类的代替

#hot map 热力图
    fig.add_subplot(313)#3列一行第三个，指的横跨第三行
    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)
    plt.contourf(X,Y,f(X,Y),8,alpha=.75,cmap=plt.cm.hot)#热力图用contour，颜色用cmap指定

#保存图片
    plt.savefig("./data/fig.png")

    plt.show()#半截show（）了，就不会追加到同一个图里了

if __name__=='__main__':
    main()

numpy (Numerical Python):数据结构基础

scipy:强大的科学计算方法（矩阵分析、信号分析、数理分析。。）

matplotlib：丰富的可视化套件

pandas：基础数据分析套件

scikit-learn：强大的数据分析建模库

keras：人工神经网络

绘制图表，进行数据可视化

matplotlib主要用于绘制图表：

matplotlib官网