接下来我们逐⾏看看每⾏代码的作⽤，
⾸先是 x = np.arange(0, 2 * np.pi, 0.1)。
np.arange() ⽅法我们之前学过，np.pi 就是 π 的值。所以这⾏代码的作⽤是：⽣成⼀个从 0 到 2π 的数组，步长是 0.1。
这样我们就获得了 x 轴的所有坐标。步长为 0.1 是为了让每个点间隔⼩⼀点，点的数量多⼀点。这样画出的图像更加接近真实情况，也更
接下来是 y = np.sin(x)。
np.sin() ⽅法是 numpy 中计算正弦函数的⽅法，我们将 x 的值传进去就得到对应的正弦值。我们也将 y 的值打印出来看看：⼩贴⼠：除了 np.sin() ⽅法之外，numpy 中也有 np.cos()、np.tan() 等计算三⾓函数的⽅法。
也可以改变变量相关范围：
还有⼀种画多个图像的⽅法是：每对 x 和 y 都调⽤⼀次 plt.plot() ⽅法。因此，下⾯的代码和上⾯的代码是等价的：
对于每⼀对 x 和 y，还有⼀个可选的格式化参数，⽤来指定线条的颜⾊、点标记和线条的类型。matplotlib中subplot
你有可能不明⽩为什么会变成这样，且听我给你慢慢说来。以 'ro--' 为例，它分为 3 部分：r 代表红⾊（red），o 代表的是圆点标记，--代表着虚线。ro-- 的意思就是线条为红⾊虚线、坐标点标记为圆点。
格式化参数的这 3 部分都是可选的，也没有顺序要求。你可以只传⼊⼀个 'r' 来指定颜⾊，也可以写成 --or。格式化参数的每部分都有很多
⼩贴⼠：代表颜⾊的字母都是对应英⽂单词的⾸字母，⿊⾊除外，因为⿊⾊和蓝⾊⾸字母都是 b，因此⿊⾊⽤尾字母 k 表⽰。
数据展⽰是⼀种分析⽅法
我们来⼀起看看上⾯这五种类型的区别：
趋势：这是最常见的⼀种时间序列关系，关⼼数据如何随着时间变化，趋势类⾥的图表能直观反映出每年、每⽉、每天的变化趋势，增长、减少、上下波动还是基本不变。最常见的是折线图，它能很好地表现指标随时间呈现的趋势。
我也可以将多个商品的销量⾛势画在⼀张图上进⾏对⽐，只需调⽤两次 plt.plot() ⽅法即可。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。