开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第29天，点击查看活动详情
散点图的绘制
散点图（scatter diagram）又称为散点分布图，是以一个特征为横坐标，另一个特征为纵坐标，利用坐标点（散点）的分布形态反映特征间的统计关系的一种图形。
值是由点在图表中的位置表示，类别是由图表中的不同标记表示，通常用于比较跨类别的数据。
函数：
plt.scatter(x, y, s=None, c=None, marker=None, alpha=None, **kwargs)
x,y：表示接收的x轴与y轴的值
s：指定点的大小
c：指定点的颜色
marker：指定绘制的点的类型，默认为None
alpha：指定透明度，默认为None
举例
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
# 必加，否则会无法显示中文标签
plt.rcParams['axes.unicode_minus']=False
# 正常显示负号
plt.figure(num="test",figsize=(6,6))
x = np.arange(11,step=0.5)
y = np.sin(x)
plt.title("散点图")
plt.xlabel("X轴")
plt.ylabel("Y轴")
plt.xlim(0,10)
plt.ylim(-2,2)
plt.scatter(x,y)
plt.legend(['y=sin(x)'])
plt.show()
结果：
散点图的绘制
直方图（Histogram）又称质量分布图，是统计报告图的一种，由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据所属类别，纵轴表示数量或者占比。
用直方图可以比较直观地看出产品质量特性的分布状态，便于判断其总体质量分布情况。直方图可以发现分布表无法发现的数据模式、样本的频率分布和总体的分布。
函数：
plt.bar（left，height，width = 0.8，bottom = None，hold = None，data = None，** kwargs ）
left：x轴数据
height：x轴所代表数据数量
width：直方图的宽度，默认为0.8，范围在0-1之间
color：直方图的颜色
举例
plt.rcParams['font.sans-serif']=['SimHei']
# 必加，否则会无法显示中文标签
plt.rcParams['axes.unicode_minus']=False
# 正常显示负号
plt.figure(num="test",figsize=(6,6))
x = np.random.randn(10)
y = np.arange(10)
plt.title("直方图")
plt.xlabel("X轴")
plt.ylabel("Y轴")
plt.bar(x,y,width=0.2)
plt.show()
结果：
