摘要： matplotlib 使用总结，包含使用流程和各种图型使用场景，以及对比。

matplotlib使用总结

• 应该选择那种图形来呈现数据
• plt.plot(x,y)
• plt.bar(x,y)
• plt.hist(data,bins,normed)
• plt.pie(x,labels,autopct,colors)
• plt.scatter(x,y) # 散点图
• xticks和yticks的设置
• label和title,grid的设置
• 绘图的大小和保存图片

使用流程

• 明确问题
• 选择图形的呈现方式
• 准备数据
• 绘图和图形完善

折线图使用场景

• 呈现公司产品(不同区域)每天活跃用户数
• 呈现app每天下载数量
• 呈现产品新功能上线后,用户点击次数随时间的变化

• 呈现员工每天上下班时间

    绘制了折线图(plt.plot)
    设置了图片的大小(plt.figure)
    实现了图片的保存(plt.savefig)
    设置了xy轴上的刻度和字符串(xticks)
    解决了刻度稀疏和密集的问题(xticks)
    设置了标题,xy轴的lable(title,xlabel,ylabel)
    设置了字体(font_manager. fontProperties,matplotlib.rc)
    在一个图上绘制多个图形(plt多次plot即可)
    增加子画布，分开显示图像(plt.subplots)
    为不同的图形添加图例
  

直方图使用场景

• 用户的年龄分布状态
• 一段时间内用户点击次数的分布状态
• 用户活跃时间的分布状态

条形图使用场景

• 数量统计
• 用户数量分析
• 业务对比

散点图使用场景

• 不同条件(维度)之间的内在关联关系
• 观察数据的离散聚合程度

对比常用统计图

    折线图:以折线的上升或下降来表示统计数量的增减变化的统计图
    特点:能够显示数据的变化趋势，反映事物的变化情况。(变化)  
    
    直方图: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范围，纵轴表示分布情况。
    特点:绘制,连续性的数据展示一组或者多组数据的分布状况(统计)
    
    条形图:排列在工作表的列或行中的数据可以绘制到条形图中。
    特点:绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计)
    
    散点图:用两组数据构成多个坐标点，考察坐标点的分布,判断两变量
    之间是否存在某种关联或总结坐标点的分布模式。
    特点:判断变量之间是否存在数量关联趋势,展示离群点(分布规律)