#导入库
import numpy as np
import matplotlib.pyplot as plt

#生成20个标准正态分布随机数
np.random.seed(1000)
y=np.random.standard_normal(20)

#生成连续整数作为x值，并与y值个数相同
#len(y)计算y中元素个数
#range函数生成从0开始的一系列连续整数
x=range(len(y))

#plot函数需要x，y两组数值
plt.plot(x,y)

#操作网格线
plt.grid(True)
plt.plot(x,y)

#操作坐标轴 有tight image等命令
#限定坐标轴最大值和最小值
plt.xlim(0,20)
plt.ylim(-2,2)
plt.plot(x,y)

#axis[xmin,xmax,ymin,ymax]也可以限定坐标轴极值
plt.axis([0,20,-2,2])
plt.plot(x,y)

#操作标签 x轴、y轴、标题
plt.xlabel('x值')
plt.ylabel('y值')
plt.title('折线图')
plt.plot(x,y)

#改变线条颜色、数据点属性
#黑色 圆点 虚线 linestyle='--'也可以替换为dashed linewidth改变线的粗细
plt.plot(x,y,color='k',marker='o',linestyle='--',linewidth=6)

#建立二维数组 20*2numpy ndarray
np.random.seed(1000)
y=np.random.standard_normal((20,2))

#不定义x，直接画图也可以
plt.plot(y)

#'ro'表示红色圆点标记，在一些代码中经常看到
plt.plot(y,'ro')

#选择两个数据子集，添加标签
#plt.legend接受位置参数 plt.legend(loc=0) 0表示最佳位置 数字
plt.plot(y[:,0],color='r',lw=1,label='1st')
plt.plot(y[:,1],color='y',lw=4,label='2nd')
plt.legend(loc=0)

#将其中一个数据集扩大100倍后 作图观察
y[:,0]=y[:,0]*100
plt.plot(y)
#直接写y 与分组写 作图结果相同 见下图

#加标签 legend
plt.plot(y[:,0],label='1st')
plt.plot(y[:,1],label='2nd')
plt.legend(loc=0)
#图中发现标签为2nd的数据集几乎呈水平，不能观察出数据走势

#使用两个y轴 plt.twinx()增加一个y轴
ax1=plt.subplots()#不写不影响结果
plt.plot(y[:,0],color='c',label='1st')
plt.xlabel('x轴')
plt.ylabel('y1轴')
plt.legend(loc=0)
plt.twinx()
plt.plot(y[:,1],color='m',label='2nd')
plt.ylabel('y2轴')
plt.legend(loc=3)

#使用两个子图
#一行两列 第一个子图
plt.subplot(1,2,1)
plt.plot(x,y[:,0])
#一行两列 第二个子图
plt.subplot(1,2,2)
#还可以改变子图类型 如柱状图
plt.bar(x,y[:,1],width=0.8)

#增加第三维数据集
c=np.random.randint(0,10,len(y))
plt.scatter(y[:,0],y[:,1],c=c,linewidths=2)
#颜色图例彩条
plt.colorbar()

#常规直方图
y1=np.random.standard_normal((10,2))
plt.axis([-3,3,-3,3])
plt.hist(y1,bins=10)

#堆积直方图
plt.axis([-3,3,-3,6])
plt.hist(y1,rwidth=0.6,stacked=True)
#stacked表示堆积 rwidth条块宽度

#箱线图
ax1=plt.boxplot(y1)