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()