pyplot（）

pyplot是一个Python中广泛使用的绘图工具，通常与NumPy一起使用，可以为数据可视化提供很好的支持。它使得创建线条，散点图，条形图，直方图等常用的图表变得更加容易。

pyplot的主要目的是为用户提供一些类似于MATLAB中绘图命令的接口，以便用户可以使用简单的命令创建图表。pyplot并不是事实上的绘图库，而是一个由许多模块组成的一个绘图工具，提供了一些命令接口，以方便对图表进行设置和管理。

使用pyplot时，通常需要先引入matplotlib库和pyplot模块。

import matplotlib.pyplot as plt

下面是一些常用的pyplot绘图函数和用法：

### 1. plot()

plot()函数用于绘制连续的线图，例如绘制函数sin，cos等。示例代码如下：

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2*np.pi, 100)
y_sin = np.sin(x)
y_cos = np.cos(x)

plt.plot(x, y_sin)
plt.plot(x, y_cos)

plt.title("Sine and Cosine Waves")
plt.xlabel("x-axis")
plt.ylabel("y-axis")

plt.show()

在这个例子中，我们使用NumPy生成了100个值，分布在0到2π之间。我们使用sin()和cos() NumPy函数生成了相应的y轴值。然后我们使用plot()命令将它们放在同一幅图上。

### 2. scatter()

scatter()函数用于绘制散点图，散点图一般用于表示数据的分布或聚类情况。示例代码如下：

import numpy as np
import matplotlib.pyplot as plt

x = np.random.randn(50)
y = np.random.randn(50)

plt.scatter(x, y)

plt.title("Random Scatter Plot")
plt.xlabel("x-axis")
plt.ylabel("y-axis")

plt.show()

在这个例子中，我们生成了50个随机数作为x和y轴的值，然后使用scatter()函数将它们绘制在同一幅图上。

### 3. bar()

bar()函数用于绘制条形图，通常用于数据比较。示例代码如下：

import numpy as np
import matplotlib.pyplot as plt

x = ['A', 'B', 'C', 'D', 'E']
y = [10, 24, 36, 40, 88]

plt.bar(x, y)

plt.title("Bar Chart")
plt.xlabel("Category")
plt.ylabel("Value")

plt.show()

在这个例子中，我们生成了一个x轴类别列表和一个相应的y轴值列表。然后我们使用bar()函数将它们放在同一幅图上。

### 4. hist()

hist()函数用于绘制直方图，通常用于数据分布情况的展示。示例代码如下：

import numpy as np
import matplotlib.pyplot as plt

data = np.random.randn(1000)

plt.hist(data, bins=20)

plt.title("Histogram")
plt.xlabel("Value")
plt.ylabel("Frequency")

plt.show()

在这个例子中，我们生成了1000个随机数，并使用hist()函数将它们放在同一幅图上。bins参数指定了直方图的条数。

### 5. pie()

pie()函数用于绘制饼图，通常用于比例的展示。示例代码如下：

import matplotlib.pyplot as plt

labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]

plt.pie(sizes, labels=labels, autopct='%1.1f%%')

plt.title("Pie Chart")

plt.show()

在这个例子中，我们生成了一个类别列表和每个类别的百分比值。然后我们使用pie()函数将它们绘制在同一幅图上。

这只是一小部分pyplot的功能，还有很多其他函数可以进行更多的可视化处理。使用pyplot需要学习一些基础知识和技巧，但只要理解了其中的核心概念，就能够做出漂亮的图表来。