matplotlib 对称图_Python 绘图，我只用 Matplotlib

散点图散点图显示两组数据的值，如图1-1所示。每个点的坐标位置由变量的值决定，并由一组不连接的点完成，用于观察两种变量的相关性。例如，身高—体重、温度—维度。

图1-1 散点图示例使用Matplotlib的scatter()函数绘制散点图，其中x和y是相同长度的数组序列。scatter()函数的一般用法为：

主要参数说明如下：

x,y：数组。
s：散点图中点的大小，可选。
c：散点图中点的颜色，可选。
marker：散点图的形状，可选。
alpha：表示透明度，在 0~1 取值，可选。
linewidths：表示线条粗细，可选。

示例：绘制身高—体重的散点图

运行脚本输出如图1-2所示的图形。

图1-2 基本的散点图散点图主要演示两个变量的相关性：正相关、负相关、不相关。示例：显示y=2x+1的图形Matplotlib中最基础的模块是Pyplot, 下面从最简单的线图开始讲解。例如，有一组数据，还有一个拟合模型，通过编写代码来实现数据与模型结果的可视化。假设一个线性函数具有形式y=ax+b, 自变量是x，因变量是y，y轴截距为b，斜率为a。下面用简单的数据来描述线性方程y=2x+1，代码如下：

运行脚本输出如图2-2所示的图形。

图2-2 基本直线图在图2-2中，使用线性方程y=2x+1画出的是直线图。如果想画出曲线图，则只需更改线性方程为

，完整代码如下：

运行脚本输出如图2-3所示的图形。

图2-3 曲线图

直方图直方图由一系列高度不等的纵向条形组成，表示数据分布的情况。例如，某年级学生的身高分布情况，如图4-1所示。

图4-1 直方图直方图与柱状图的区别有以下几点：1. 柱状图是用条形的长度表示各类别频数的多少，其宽度(表示类别)是固定的，主要是展示不同类别的数据。 2. 直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数 ( 或频率 )，宽度则表示各组的组距，因此其高度与宽度均有意义。 3. 由于分组数据具有连续性，因此直方图的各矩形通常是连续排列，而柱状图则是分开排列。 4. 柱状图主要用于展示分类型数据，而直方图主要用于展示数据型数据。使用Matplotlib的hist()函数绘制直方图，hist()函数的一般用法为：

主要参数说明如下：• bins：直方图中箱子 (bin) 的总个数。个数越多，条形带越紧密。 • color：箱子的颜色。

• normed：对数据进行正则化。决定直方图y轴的取值是某个箱子中的元素的个数 (normed=False), 还是某个箱子中的元素的个数占总体的百分比 (normed=True)。

在介绍直方图之前，先来了解什么是正太分布。正态分布也称常态分布，是连续随机变量概率分布的一种，自然界、人类社会、心理和教育中的大量现象均按正态形式分布。例如，能力的高低、学生成绩的好坏等都属于正态分布。正态分布曲线呈钟形，两头低，中间高，左右对称。因其曲线呈钟形，所以人们又经常称之为钟形曲线，如图4-2所示。