matplotlib 是最流行的Python绘图库之一，能将数据进行可视化，直观地呈现数据。
1. 绘制图片
1.1 设置图片大小、分辨率
# 常用的导入方式
import matplotlib.pyplot as plt
# 设置图片大小, dpi是图片分辨率默认是100
fig = plt.figure(figsize=(20, 8), dpi=80)
x = np.arange(2, 26, 2)
y = np.random.randn(12)
plt.plot(x, y)
plt.xticks(x)
# 调整x轴上的刻度，当刻度太密集时使用列表的步长（列表间隔）来解决，matplotlib会自动帮我们对应
# plt.xticks(x[::2])
plt.show()
1.2 调整轴上的刻度
x_ticks = ["第{}个".format(i) for i in x]
plt.xticks(x, x_ticks, rotation=90)
plt.show()
plt.xticks() 中的两组数据长度务必相同
1.3 设置中文显示
matplotlib默认不支持中文，通过matplotlib.rc可以修改
import matplotlib
from matplotlib import font_manager
front = {"family": "Microsoft Yahei",
"size": "10"}
matplotlib.rc("front", **font)
1.4 添加描述信息
可添加坐标轴含义，图像标题等。
plt.xlabel("x轴含义")
plt.ylabel("y轴含义")
plt.title("标题")
1.5 保存图片
plt.savefig("./fig.png")
2. 常用统计图
2.1 折线图
以折线表示统计量的增减变化。
特点：反映事物的变化情况。
2.2 直方图
由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。
特点：绘制 连续 的数据，展示一组或者多组数据的分布状况。
2.3 条形图
排列在工作表的列或行中的数据可以绘制到条形图中。
特点：绘制 离散 的数据，能够看出各个标签对应的数据大小，比较数据之间的差别。
2.4 散点图
用两组数据构成多个坐标点，考察坐标点的分布,判断两变量 之间是否存在某种关联或总结坐标点的分布模式。
特点：判断变量之间是否存在数量关联趋势，显示数据的分布规律。
# 绘制折线图，x为横坐标，y为纵坐标。
plt.plot(x, y)
# 绘制直方图，x为需要被分组的量，bins为组数。
plt.hist(x, bins)
# 绘制条形图，x为序列，height为序列的“高度”。
plt.bar(x, height)
# 绘制散点图，(x,y)为点的坐标。
plt.scatter(x, y)