matplotlib 使用简明教程（三）-一些专业图表简介

统计、概率分布
- `plt.boxplot(x,**kwargs)`
- `plt.violinplot(dataset, positions=None, vert=True, widths=0.5, showmeans=False, showextrema=True, showmedians=False, points=100, bw_method=None, hold=None, data=None)`
分级图
- `plt.hexbin(x, y, C=None, gridsize=100, bins=None, **kwargs)`
- `plt.pcolormesh([X, Y,] C, **kwargs)`
- `plt.hist(x, bins=None, **kwargs)`
- `plt.hist2d(x, y, bins=10, range=None, normed=False, weights=None, cmin=None, cmax=None, hold=None, data=None, **kwargs)`
频谱分析
等高线
场/流

这里对一些不太了解领域的库进行简要的介（fan）绍（yi），感兴趣的读者可以自行了解。
这些图表都在 matplotlib.pyplot 中进行了封装。

统计、概率分布

`plt.boxplot(x,**kwargs)`

绘制箱形图

重要参数：

x：输入的参数，可以是一个二维数组
positions：每个箱的位置
vert：True 为图表方向垂直，False 为水平
whis：设置内限（上下边缘）与四分位距的关系，默认 1.5
usermedians：使用该参数中的数据代替 x 中计算得出的均值
labels：标签的数组

关于箱型图

上四分位 Q3
下四分位 Q1
四分位距 IQR=Q3-Q1
异常值截断点（内限） Q3+1.5IQR和Q1－1.5IQR
外限 Q3+3IQR和Q1－3IQR
温和的异常值内限与外限之间的异常值
极端的异常值外限意外的异常值

`plt.violinplot(dataset, positions=None, vert=True, widths=0.5, showmeans=False, showextrema=True, showmedians=False, points=100, bw_method=None, hold=None, data=None)`

琴形图和箱形图式非常类似的，不过琴形图会把分布状况也表现出来

重要参数：

dataset：将要绘制的数据集
positions：绘制琴的位置
vert：True 为图表方向垂直，False 为水平
showmeans：是否显示均值
showextrema：是否显示极值
showmedians：是否显示中位数

分级图

`plt.hexbin(x, y, C=None, gridsize=100, bins=None, **kwargs)`

根据数据坐标的分布绘制分级图

重要参数：

x, y：两个一维数组，将根据 x[i]，y[i] 组成坐标的分布，绘制分级图
C：一维数组
- C[i] 将会规定 (x[i], y[i]）坐标的权重，绘制时，某个坐标点的权重会进行平均处理
- 当 C 为 None 时，x[i]，y[i] 坐标的权重为 1 且结果不做平均值处理。
gridsize：默认 100，x 轴方向的六边形数量；y 轴的六边形数量会进行调整
bins：分级的方式
- None ：直接分级，六边形的颜色即反应数量
- ‘log’ ：按照 log10(i+1)log_{10}(i+1)log10(i+1) 决定六边形颜色
- 一个整数：该整数决定等级的数量
- 一个整数序列：按照给定的整数序列确定每个分级的底线
xscale，yscale：x、y 轴的扫描方式，‘linear’ 或 ‘log’
mincnt：不显示数量小于 mincnt 的六边形

`plt.pcolormesh([X, Y,] C, **kwargs)`

根据坐标情况绘制“伪色图”，即通过颜色的冷暖而不是亮暗来显示图像。

C：代表颜色深度的二维数组
X、Y：坐标的一维数组，可选

染色方式如下：

`plt.hist(x, bins=None, **kwargs)`

绘制柱状图，与 plt.bar() 的区别在于，hist 函数的参数是离散的数据，需要计算分布结果后绘制；而 bar 函数的参数是直接的柱体高度。

重要参数：

x：一组或多组离散数据点，每组的数据不要求长度相同。
weights：每个数据点的权重
- 一个与 x 形状保持一致的数组，表示每个数据点的权重，结果会进行累加
- None，每个数据点权重为 1
bins：分级的方式
- ‘auto’ ：自动分级
- 一个整数：该整数加 1 决定等级的数量
- 一个整数序列：按照给定的整数序列确定每个分级的底线
range：一个元组数据，决定分级的最小、最大值
bottom：决定分级的基底
- 一个数字：所有数据点的基底都由该数字决定
- 一个数组：分别决定每个分布的基底
density：是否使用概率密度函数显示分布结果

`plt.hist2d(x, y, bins=10, range=None, normed=False, weights=None, cmin=None, cmax=None, hold=None, data=None, **kwargs)`

绘制二维的柱状图，类似 hexbin 函数，不过每个小格是正方形的。

重要参数：

x，y：两个一维数组，输入的数据点坐标信息
bins：决定分级方式
- int，决定 x、y 的分级数
- [int, int] 分别决定 x、y 的分级数
- array 决定 x、y 每级的范围
- [array, array] 分别决定 x、y 的每级的范围
range：一个 2x2 的矩阵，决定图表范围
weights：None 或一个一维数组，weights[i] 决定 (x[i], y[i]) 坐标数据点的权重；默认权重为 1
normed：是否使用数量而不是概率密度函数来显示数据

频谱分析

函数名	简介
acorr	绘制 x 的自相关函数
xcorr	绘制 x 有 y 的互相关性
angle_spectrum	绘制角频谱图
magnitude_spectrum	绘制强度频谱图
phase_spectrum	绘制相位谱图
cohere	绘制 x 与 y 的相干性图
scd	绘制互谱密度
psd	绘制功率谱密度
spectrogram	短时傅里叶变换

等高线

函数名	简介
clabel	给一条等高线添加标注
contour	绘制等高线
contourf	在等高线间填充

场/流

函数名	简介
barbs	风速场
quiver	箭头图
quiverkey	给 quiver 添加注释表填
streamplot	带有场的箭头

系列文章：

matplotlib 使用简明教程（一）-基础概念：
https://blog.csdn.net/fenghuizhidao/article/details/79352882
matplotlib 使用简明教程（二）-常用图表
https://blog.csdn.net/fenghuizhidao/article/details/83090043
matplotlib 使用简明教程（三）-一些专业图表简介
https://blog.csdn.net/fenghuizhidao/article/details/83090165
matplotlib 使用简明教程（四）-辅助性元件
https://blog.csdn.net/fenghuizhidao/article/details/83090249
matplotlib 使用简明教程（五）-画布、图表、元素基础操作
https://blog.csdn.net/fenghuizhidao/article/details/83090320
matplotlib 使用简明教程（六）-图像、动画相关
https://blog.csdn.net/fenghuizhidao/article/details/83090512
matplotlib 使用简明教程（七）-样式定义
https://blog.csdn.net/fenghuizhidao/article/details/83090553