# Matplotlib
> 原文:[https://www.textbook.ds100.org/ch/20/ref_matplotlib.html](https://www.textbook.ds100.org/ch/20/ref_matplotlib.html)
```
# HIDDEN
# Clear previously defined variables
%reset -f
# Set directory for data loading to work properly
import os
os.chdir(os.path.expanduser('~/notebooks/20'))
```
### 绘图类型[¶](#Types-of-Plots)
| 功能 | 第章 | 说明 |
| --- | --- | --- |
| [`plt.scatter(x, y)`](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.scatter.html) | 数据可视化 | 创建变量 x 相对于变量 y 的散点图 |
| [`plt.plot(x, y)`](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.plot.html) | Data Visualization | 创建变量 x 相对于变量 y 的线图 |
| [`plt.hist(x, bins=None)`](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.hist.html) | Data Visualization | 创建 x 的柱状图。bins 参数可以是整数或序列 |
| [`plt.bar(x, height)`](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.bar.html) | Data Visualization | 创建条形图。`x`指定条的 X 坐标,`height`指定条的高度 |
| [`plt.axvline(x=0)`](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.axvline.html) | Data Visualization | 在指定的 X 值处创建垂直线 |
| [`plt.axhline(y=0)`](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.axhline.html) | Data Visualization | 在指定的 Y 值处创建水平线 |
### 绘图添加[¶](#Plot-additions)
| Function | Chapter | Description |
| --- | --- | --- |
| [`%matplotlib inline`](http://ipython.readthedocs.io/en/stable/interactive/plotting.html) | Data Visualization | 使打印命令的输出以内联方式显示 |
| [`plt.figure(figsize=(3, 5))`](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.figure.html) | Data Visualization | 创建宽度为 3 英寸、高度为 5 英寸的图形 |
| [`plt.xlim(xmin, xmax)`](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.xlim.html) | Data Visualization | 设置当前轴的 X 极限 |
| [`plt.xlabel(label)`](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.xlabel.html) | Data Visualization | 设置当前轴的 X 轴标签 |
| [`plt.title(label)`](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.title.html) | Data Visualization | 设置当前轴的标题 |
| [`plt.legend(x, height)`](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.legend.html) | Data Visualization | 在轴上放置图例 |
| [`fig, ax = plt.subplots()`](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.subplots.html) | Data Visualization | 创建一个数字和一组子批次 |
| [`plt.show()`](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.show.html) | Data Visualization | 显示一个数字 |
- 一、数据科学的生命周期
- 二、数据生成
- 三、处理表格数据
- 四、数据清理
- 五、探索性数据分析
- 六、数据可视化
- Web 技术
- 超文本传输协议
- 处理文本
- python 字符串方法
- 正则表达式
- regex 和 python
- 关系数据库和 SQL
- 关系模型
- SQL
- SQL 连接
- 建模与估计
- 模型
- 损失函数
- 绝对损失和 Huber 损失
- 梯度下降与数值优化
- 使用程序最小化损失
- 梯度下降
- 凸性
- 随机梯度下降法
- 概率与泛化
- 随机变量
- 期望和方差
- 风险
- 线性模型
- 预测小费金额
- 用梯度下降拟合线性模型
- 多元线性回归
- 最小二乘-几何透视
- 线性回归案例研究
- 特征工程
- 沃尔玛数据集
- 预测冰淇淋评级
- 偏方差权衡
- 风险和损失最小化
- 模型偏差和方差
- 交叉验证
- 正规化
- 正则化直觉
- L2 正则化:岭回归
- L1 正则化:LASSO 回归
- 分类
- 概率回归
- Logistic 模型
- Logistic 模型的损失函数
- 使用逻辑回归
- 经验概率分布的近似
- 拟合 Logistic 模型
- 评估 Logistic 模型
- 多类分类
- 统计推断
- 假设检验和置信区间
- 置换检验
- 线性回归的自举(真系数的推断)
- 学生化自举
- P-HACKING
- 向量空间回顾
- 参考表
- Pandas
- Seaborn
- Matplotlib
- Scikit Learn