可視化圖表，有相當多種，但常見的也就下面幾種，其他比較復雜一點，大都也是基于如下幾種進行組合，變換出來的。對于初學者來說，很容易被這官網上眾多的圖表類型給嚇著了，由于種類太多，幾種圖表的繪制方法很有可能會混淆起來。

因此，在這里，我特地總結了六種常見的基本圖表類型，你可以通過對比學習，打下堅實的基礎。

01. 折線圖

繪制折線圖，如果你數據不是很多的話，畫出來的圖將是曲折狀態，但一旦你的數據集大起來，比如下面我們的示例，有100個點，所以我們用肉眼看到的將是一條平滑的曲線。

這里我繪制三條線，只要執行三次 plt.plot 就可以了。

import numpy as npimport matplotlib.pyplot as pltx= np.linspace(0, 2, 100)plt.plot(x, x, label='linear')plt.plot(x, x**2, label='quadratic')plt.plot(x, x**3, label='cubic')plt.xlabel('x label')plt.ylabel('y label')plt.title("Simple Plot")plt.legend()plt.show()

02. 散點圖

其實散點圖和折線圖是一樣的原理，將散點圖里的點用線連接起來就是折線圖了。所以繪制散點圖，只要設置一下線型即可。

注意：這里我也繪制三條線，和上面不同的是，我只用一個 plt.plot 就可以了。

import numpy as npimport matplotlib.pyplot as pltx = np.arange(0., 5., 0.2)# 紅色破折號, 藍色方塊 ，綠色三角塊plt.plot(x, x, 'r--', x, x**2, 'bs', x, x**3, 'g^')plt.show()

03. 直方圖

直方圖，大家也不算陌生了。這里小明加大難度，在一張圖里，畫出兩個頻度直方圖。這應該在實際場景上也會遇到吧，因為這樣真的很方便比較，有木有？

import numpy as npimport matplotlib.pyplot as pltnp.random.seed(19680801)mu1, sigma1 = 100, 15mu2, sigma2 = 80, 15x1 = mu1 + sigma1 * np.random.randn(10000)x2 = mu2 + sigma2 * np.random.randn(10000)# the histogram of the data# 50：將數據分成50組# facecolor：顏色；alpha：透明度# density：是密度而不是具體數值n1, bins1, patches1 = plt.hist(x1, 50, density=True, facecolor='g', alpha=1)n2, bins2, patches2 = plt.hist(x2, 50, density=True, facecolor='r', alpha=0.2)# n：概率值；bins：具體數值；patches：直方圖對象。plt.xlabel('Smarts')plt.ylabel('Probability')plt.title('Histogram of IQ')plt.text(110, .025, r'$/mu=100,/ /sigma=15$')plt.text(50, .025, r'$/mu=80,/ /sigma=15$')# 設置x，y軸的具體范圍plt.axis([40, 160, 0, 0.03])plt.grid(True)plt.show()

04. 柱狀圖

同樣的，簡單的柱狀圖，我就不畫了，這里畫三種比較難的圖。