# ===============================================================
# 画图：柱状图，散点图，拆线图，3D图，概率分布图，累计概率分布图
# ===============================================================

from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt

# ===============================================================
# 柱状图
plt.subplot(221)  # 创建一个两行两列的子图列表，并选取左上角第一个子图作为当前子图
size = 5
x = np.arange(size)  # 返回等差数列，从0开始到5，默认步长为1
a = np.random.random(size)  # 返回五个随机数，范围0-1
b = np.random.random(size)
width = 0.3

plt.bar(x+width/2,   a, label='a', width=width)
plt.bar(x+width*3/2, b, label='b', width=width)

'''
plt.bar 是 Matplotlib 库中的一个函数，用于创建柱状图。它的语法如下：

plt.bar(x, height, width=0.8, align='center', **kwargs)
参数说明：

x:柱状图的 x 坐标位置,可以是一个数值序列或类别名称序列。
height:柱状图的高度,可以是一个数值序列，表示每个柱的高度。
width:柱状图的宽度,默认为 0.8。
align:柱状图的对齐方式,默认为 'center'，表示柱状图的中心与 x 坐标对齐。
**kwargs:可选的关键字参数,用于设置柱状图的其他属性,如颜色、标签等。
plt.bar 函数会根据给定的 x 坐标位置和高度创建柱状图。可以通过设置不同的参数来调整柱状图的样式和属性,如宽度、对齐方式、颜色等。
'''


plt.legend()
plt.xlabel('x-axis')
plt.ylabel('y-axis')
plt.title('plot')
plt.show()

# ===============================================================
# 散点图
plt.subplot(222) # 创建一个两行两列的子图列表，并选取右上角第一个子图作为当前子图
x = np.random.random(10)
y = np.random.random(10)
plt.scatter(x, y, s=15, c='b', marker=(6, 1), alpha=0.7, lw=2)

# 设置xy轴的范围
plt.xlim(0, 1)
plt.ylim(0, 1)
plt.show()

# ===============================================================
# 拆线图
plt.subplot(223) # 创建一个两行两列的子图列表，并选取左下角第一个子图作为当前子图
size = 5
x = np.arange(size)
a = np.random.random(size)
b = np.random.random(size)
plt.plot(x, a, marker='o', mec='b', mfc='b', label=u'y=a')

"""
使用 Matplotlib 库中的 plot 函数绘制折线图。它的语法如下：

plt.plot(x, y, **kwargs)
参数说明：

x:x 轴上的数据点，可以是一个数值序列。
y:y 轴上的数据点，可以是一个数值序列。
**kwargs:可选的关键字参数，用于设置折线图的其他属性，如标记样式、线条颜色、标签等。
在代码中,x 是 x 轴上的数据点,a 是 y 轴上的数据点。marker='o' 设置折线图上的标记样式为圆圈,mec='b' 和 mfc='b' 设置标记的边框颜色和填充颜色都为蓝色。label=u'y=a' 设置折线图的标签为 "y=a"。

通过调用 plt.plot 函数，可以将数据点连接起来，生成一条折线图。可以通过设置不同的参数来调整折线图的样式和属性，如标记样式、线条颜色、标签等。
"""

plt.plot(x, b, marker='*', ms=10, label=u'y=b')
plt.legend()
plt.xlabel('x-axis')
plt.ylabel('y-axis')
plt.title('plot')
plt.show()

# ===============================================================
# 3D图
# ===============================================================
# plt.subplot(224)

# 定义函数


def rand_range(n, vmin, vmax):
    '''
    make an array of random numbers having shape (n, )
    with each number distributed Uniform(vmin, vmax).
    '''
    return (vmax - vmin) * np.random.rand(n) + vmin


fig = plt.figure()
ax = fig.add_subplot(111, projection='3d') # 在fig对象中添加一个三维子图
# plot n random points in the box
# defined by x in [23, 32], y in [0, 100], z in [zlow, zhigh].
n = 5

# 添加不同格式的点，第一种为红色圆点，z取值范围为-50~-25，第二种为蓝色三角形点，z取值范围在-30~-5
for c, m, zlow, zhigh in [('r', 'o', -50, -25), ('b', '^', -30, -5)]:
    xs = rand_range(n, 20, 30)
    ys = rand_range(n, 30, 100)
    zs = rand_range(n, zlow, zhigh)
    ax.scatter(xs, ys, zs, c=c, marker=m)

# 单独一个散点（绿色星型）
ax.scatter(25, 50, -25, c='g', marker="*")

ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
plt.show()

# ===============================================================
# 概率分布图,累计概率分布图
# ===============================================================

# 概率分布直方图
# 高斯分布

mean = 0  # 均值为0
sigma = 1  # 标准差为1，反应数据集中还是分散的值
x = mean+sigma*np.random.randn(10000)

# 第二个参数是柱子宽一些还是窄一些，越大越窄越密
fig, (ax0, ax1) = plt.subplots(nrows=2, figsize=(6, 6))

"""
参数说明：

nrows=2:指定子图的行数为 2。
figsize=(6, 6)：指定图像窗口的大小为 6x6 英寸。
plt.subplots 函数返回一个包含子图对象的元组,其中的每个子图对象可以通过元组解包的方式分别赋值给不同的变量。在这个例子中,ax0 和 ax1 分别表示第一个子图和第二个子图。

通过创建包含多个子图的图像窗口，可以在不同的子图上绘制不同的图形或数据，并且可以通过调整子图的位置、大小等属性来自定义图像的布局。
"""


# pdf概率分布图，一万个数落在某个区间内的数有多少个
ax0.hist(x, bins=40, density=True, histtype='bar',
         facecolor='green', alpha=0.8, rwidth=0.8)  # bins参数表示将数据分成几组
ax0.set_title('pdf')

# cdf累计概率函数，cumulative累计。比如需要统计小于5的数的概率
# bins参数表示将数据分成几组
# normed 是否对y轴数据进行标准化:True表是在本区间的点在所有的点中所占的概率，如果 normed 为False， 则是显示点的数量
ax1.hist(x, bins=20, density=False, histtype='step',
         facecolor='blue', alpha=0.8, cumulative=True, rwidth=0.8)
ax1.set_title("cdf")
fig.subplots_adjust(hspace=0.4) # 调整子图间的垂直间距
plt.show()

# plt.draw()

# 可用 help(function) 查看函数帮助，如：help(ax.plot_surface)
# ===============================================================