import matplotlib.pyplot as plt
#首先定義兩個函數（正弦&余弦）
import numpy as np
X = np.linspace(-np.pi,np.pi,256,endpoint=True)  #-Π to +Π的256個值
C,S = np.cos(X),np.sin(X)
plt.plot(X,C)
plt.plot(X,S)
#在ipython 的交互環(huán)境中需要這句才能顯示出來
plt.show()

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0,10,1000)  #X軸數據
y1 = np.sin(x)   #Y軸數據
y2 = np.cos(x**2)  #Y軸數據
plt.figure(figsize=(8,4))

plt.plot(x,y1,label="$sin(x)$",color="red",linewidth=2)
plt.plot(x,y2,"b--",label="$cos(x^2)$")
#指定曲線的顏色和線形，如“b--”表示藍色虛線（b:藍色，-：虛線）
plt.xlabel("Time(s)")
plt.ylabel("Volt")
plt.title("PyPlot First Example")

#書上寫的是：plt.figure(figsize(8,4))
#注意：會報錯  name 'figsize' is not defined
#這里figsize是一個參數，并不是一個函數，給參數賦值中間需要加一個等號，寫為：plt.figure(figsize=(8,4))

#使用關鍵字參數可以指定所繪制的曲線的各種屬性：
#label:給曲線指定一個標簽名稱，此標簽將在圖示中顯示。如果標簽字符串的前后有字符“$”,則Matplotlib 會使用其內嵌的LaTex引擎將其顯示為數學公式
#color:指定曲線的顏色。顏色可以用如下方法表示
#英文單詞
#以“#”字符開頭的3個16進制數，如“#ff0000”表示紅色。以0~1的RGB表示，如（1.0，0.0，0.0）也表示紅色
#linewidth:指定曲線的寬度,可以不是整數，也可以使用縮寫形式的參數名lw
plt.ylim(-1.5,1.5)
plt.legend()
plt.show()

import numpy as np
import matplotlib.pyplot as plt
fig1 =plt.figure(2)
plt.subplot(211)
#subplot(211)把繪圖區(qū)域等分為2行*1列共兩個區(qū)域
#然后在區(qū)域1（上區(qū)域）中創(chuàng)建一個軸對象
plt.subplot(212)#在區(qū)域2（下區(qū)域）創(chuàng)建一個軸對象
plt.show()

#我們還可通過命令再次拆分這些塊（相當于Word中拆分單元格的操作）

f1 = plt.figure(5)
plt.subplot(221)
plt.subplot(222)
plt.subplot(212)
plt.subplots_adjust(left = 0.08,right = 0.95,wspace = 0.25,hspace = 0.45)
#subplots_adjust的操作是類似網頁csv格式化中的邊距處理，左邊距離多少？
#右邊邊距多少？這個取決于你需要繪制的大小和各個模塊之間的間距。
plt.show()

import numpy as np
import matplotlib.pyplot as plt
fig,axes = plt.subplots(nrows=2,ncols=2)  #定一個2*2的plot
plt.show()

#現在我們需要通過命令來操作每個plot(subplot),設置他們的title并刪除橫縱坐標值
fig,axes =plt.subplots(nrows=2,ncols=2)
axes[0,0].set(title="Upper Left")
axes[0,1].set(title="Upper Right")
axes[1,0].set(title="Lower Left")
axes[1,1].set(title="Lower Right")

import numpy as np
import matplotlib.pyplot as plt
plt.savefig("save_test.png",dpi=520)  #默認像素是dpi是80
#此處只是用了savefig屬性對Figure進行保存

#有關于seaborn介紹
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
np.random.seed(sum(map(ord,"aesthetics")))
#首先定義一個函數用來畫正弦函數，可幫助了解可以控制的不同風格參數
def sinplot(flip=1):
    x=np.linspace(0,14,100)
    for i in range(1,7):
        plt.plot(x,np.sin(x+i*.5)*(7-i)*flip)
        sinplot()
    plt.show()

#有關于seaborn介紹
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
np.random.seed(sum(map(ord,"aesthetics")))
def sinplot(flip=1):
    x = np.linspace(0,14,100)
    for i in range(1,7):
        plt.plot(x,np.sin(x + i * .5) * (7-i) * flip)
        #轉換成Seaborn 模塊，只需要引入seaborn模塊
import seaborn as sns  #不同之處在此
sinplot()
plt.show()

import seaborn as sns
sns.set_style("ticks")
sns.set_style("whitegrid")
sinplot()
plt.show()
#seaborn 有5種預定義的主題：
#darkgrid (灰色背景+白網格)
#whitegrid(白色背景+黑網格)
#dark (僅灰色背景)
#white (僅白色背景)
#ticks （坐標軸帶刻度）
#默認的主題是darkgrid,修改主題可以使用set_style()函數

import seaborn as sns
sns.set_context("paper")
sinplot()
plt.show()
#上下文（context）可以設置輸出圖片的大小尺寸（scale）  
#seaborn中預定義的上下文有4種：paper、notebook、talk和poster。 默認使用notebook上下文

import seaborn as sns
sns.set()
#通過加載sns自帶數據庫中的數據（具體數據可以不關心）
flights_long = sns.load_dataset("flights")
flights = flights_long.pivot("month","year","passengers")

#使用每個單元格中的數據值繪制一個熱圖heatmap
sns.heatmap(flights,annot=True,fmt="d",linewidths=.5)
plt.show()

#案例分析（結合圖書情報學，比如借書量）
from numpy import array
from numpy.random import normal
def getData():
    heights = []
    weights = []
    books = []
    N =10000
    for i in range(N):
        while True:
            #身高服從均值為172，標準差為6的正態(tài)分布
            height = normal(172,6)
            if 0<height:break
        while True:
            #體重由身高作為自變量的線性回歸模型產生，誤差服從標準正態(tài)分布
            weight = (height-80)*0.7 + normal(0,1)
            if 0 < weight:break
        while True:
            #借閱量服從均值為20，標準差為5的正態(tài)分布
            number = normal(20,5)
            if 0<= number and number<=50:
                book = "E"if number <10 else("D"if number<15 else ("C"if number<20 else("B"if number<25 else "A")))
            break
        heights.append(height)
        weights.append(weight)
        books.append(book)
        return array(heights),array(weights),array(books)
    heights,weights,books =getData()

from matplotlib import pyplot
#繪制柱狀圖
def drawBar(books):
    xticks=["A","B","C","D","E"]
    bookGroup ={ }
    #對每一類借閱量進行頻數統(tǒng)計
    for book in books:
        bookGroup[book] = bookGroup.get(book,0) + 1
    #創(chuàng)建柱狀圖
    #第一個參數為柱的橫坐標
    #第二個參數為柱的高度
    #參數align為柱的對齊方式，以第一個參數為參考標準
    pyplot.bar(range(5),[bookGroup.get(xtick,0) for xtick in xticks],align="center")
    #設置柱的文字說明
    #第一個參數為文字說明的橫坐標
    #第二個參數為文字說明的內容
    pyplot.xticks(range(5),xticks)
    #設置橫坐標的文字說明
    pyplot.xlabel("Types of Students")
    #設置縱坐標的文字說明
    pyplot.ylabel("Frequency")
    #設置標題
    pyplot.title("Numbers of Books Students Read")
    #繪圖
    pyplot.show()
    drawBar(books)

import matplotlib.pyplot as plt
num_list = [1506,3500,3467,1366,200]
pyplot.xlabel("Types of Students")
pyplot.ylabel("Frequency")
pyplot.title("Numbers of Books Students Read")
plt.bar(range(len(num_list)), num_list,color="green")
import seaborn as sns
sns.set_style("whitegrid")
plt.show()

import numpy as np  
import matplotlib.mlab as mlab  
import matplotlib.pyplot as plt  
labels=['A','B','C','D','E']

X=[257,145,32,134,252]
 
fig = plt.figure()
plt.pie(X,labels=labels,autopct='%1.1f%%') #畫餅圖（數據，數據對應的標簽，百分數保留兩位小數點）
plt.title("Numbers of Books Student Read")
plt.show()

#繪制直方圖
def drawHist(heights):
    #創(chuàng)建直方圖
    #第一個參數為待繪制的定量數據，不同于定性數據，這里并沒有實現進行頻數統(tǒng)計
    #第二個參數為劃分的區(qū)間個數
    pyplot.hist(heights,100)
    pyplot.xlabel('Heights')
    pyplot.ylabel('Frequency')
    pyplot.title('Height of Students')
    pyplot.show()
drawHist(heights)

#繪制累積曲線
def drawCumulativaHist(heights):
    #創(chuàng)建累積曲線
    #第一個參數為待繪制的定量數據
    #第二個參數為劃分的區(qū)間個數
    #normal參數為是否無量綱化
    #histtype參數為‘step'，繪制階梯狀的曲線
    #cumulative參數為是否累積
    pyplot.hist(heights,20,normed=True,histtype='step',cumulative=True)
    pyplot.xlabel('Heights')
    pyplot.ylabel('Frequency')
    pyplot.title('Heights of Students')
    pyplot.show()
drawCumulativaHist(heights)

#繪制散點圖
def drawScatter(heights,weights):
    #創(chuàng)建散點圖
    #第一個參數為點的橫坐標
    #第二個參數為點的縱坐標
    pyplot.scatter(heights,weights)
    pyplot.xlabel('Heights')
    pyplot.ylabel('Weight')
    pyplot.title('Heights & Weight of Students')
    pyplot.show()
drawScatter(heights,weights)

#繪制箱型圖
def drawBox(heights):
    #創(chuàng)建箱型圖
    #第一個參數為待繪制的定量數據
    #第二個參數為數據的文字說明
    pyplot.boxplot([heights],labels=['Heights'])
    pyplot.title('Heights of Students')
    pyplot.show()
drawBox(heights)