#===============================================================
# 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
#===============================================================

import numpy as np
import matplotlib.pyplot as plt

#===============================================================
# 柱状图
plt.subplot(221)
size = 5
x = np.arange(size)
a = np.random.random(size)
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.legend()
plt.xlabel('x-axis')
plt.ylabel('y-axis')
plt.title('plot')
#plt.show()

#===============================================================
# 散点图
import matplotlib.pyplot as plt
plt.subplot(222)
#plt.figure(figsize=(6,5))
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)
plt.xlim(0,1)
plt.ylim(0,1)
#plt.show()

#===============================================================
# 拆线图
import matplotlib.pyplot as plt
plt.subplot(223)
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')
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)
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt

# 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')
# plot n random points in the box
# defined by x in [23, 32], y in [0, 100], z in [zlow, zhigh].
n = 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
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
#===============================================================

import matplotlib.pyplot as plt
import numpy as np
#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))

##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)
plt.show()

#plt.draw()

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