python中matplotlib总结

该总结只是为了记录自己学习过程中容易遗忘的问题，权当一个记事本使用。

1：散点图

plt.scatter()函数的原型

scatter(x, y, s=s, c=c, marker=marker, cmap=cmap, norm=norm,vmin=vmin, vmax=vmax, alpha=alpha,
　　　　　　　　　　　　　　linewidths=linewidths, verts=verts,edgecolors=edgecolors, data=data, **kwargs)

各个参数的含义：

其中marker的含义

其中C的含义如下

下面进行简单的实例化演示：

下面的例子是：房价的预测：

数据源：

 #利用模拟的模型进行画图

 def show_linear_line(X_parameters,Y_parameters):
     reg = linear_model.LinearRegression()
     reg.fit(X_parameters,Y_parameters)
     plt.scatter(X_parameters,Y_parameters,c = 'blue'，,marker = 'o')
     plt.plot(X_parameters,reg.predict(X_parameters),color = 'red',linewidth = 2 ,label = 'feet_price')　　　　　　#其中label表示线条的含义
 #    设置图像的标题
     plt.title('house_price')
     #为图像设置网格
     plt.grid()
     #设置横纵坐标的范围
     plt.xlim((150,700))
     plt.ylim(5000,20000)
     #设置坐标轴的刻度
     plt.xticks(np.linspace(150,700,5))
     plt.yticks(np.linspace(5000,20000,5))
     #设置横纵坐标轴标签
     plt.xlabel('square_feet')
     plt.ylabel('price')
     plt.legend()
     plt.show()

房价的预测结果：

plot()函数

用于绘制模拟的线

如上面代码中所示，plot()函数可以添加多个参数

其中形状的种类如下图：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.plot.html

线条的颜色如下：

 plot([1,2,3], [1,2,3], 'go-', label='line 1', linewidth=2)
 plot([1,2,3], [1,4,9], 'rs',  label='line 2')
 axis([0, 4, 0, 10])
 legend()

savefig()函数  

保存图片   https://matplotlib.org/api/pyplot_api.html   从api中查找各个参数的含义

savefig(fname, dpi=None, facecolor='w', edgecolor='w',
        orientation='portrait', papertype=None, format=None,
        transparent=False, bbox_inches=None, pad_inches=0.1,
        frameon=None)

如下图：如果加上标红线的代码，则会将图片输出到该路径中

 #利用模拟的模型进行画图

 def show_linear_line(X_parameters,Y_parameters):
     reg = linear_model.LinearRegression()
     reg.fit(X_parameters,Y_parameters)
     plt.scatter(X_parameters,Y_parameters,c = 'blue',marker = '^')
     plt.plot(X_parameters,reg.predict(X_parameters),color = 'red',linewidth = 2 ,label = 'feet_price')
 #    设置图像的标题
     plt.title('house_price')
     #为图像设置网格
     plt.grid()
     #设置横纵坐标的范围
     plt.xlim((150,700))
     plt.ylim(5000,20000)
     #设置坐标轴的刻度
     plt.xticks(np.linspace(150,700,5))
     plt.yticks(np.linspace(5000,20000,5))
     #设置横纵坐标轴标签
     plt.xlabel('square_feet')
     plt.ylabel('price')
     #输出图片到改路径下面
     plt.savefig('G:\\python\\20180108demo\\01Lineargression\\resultPic\\housePredicted.png')
     plt.legend()
     plt.show()