以下程序将画出一个正比例函数y=kx

import numpy as np 

from matplotlib import pyplot as plt 

x = nparange(1,100) 

y =  05  x +  5 

plttitle("Ndsl_Matplotlib demo") 

pltxlabel("x axis caption") 

pltylabel("y axis caption") 

pltplot(x,y)

pltshow()

当然，你需要安装相关模块。

要在Origin或Python中绘制概率密度图，您可以使用以下方法：

在Origin中绘制概率密度图：

1 首先，确保您已安装了Origin软件，并将数据导入到工作簿中。

2 在Origin中，选择“绘图”>“统计图”>“核密度图”，这将打开“绘图核密度图”的对话框。

3 在“输入数据”选项卡中，设置数据范围（如数据所在的列）。

4 在“核密度选项”选项卡中，您可以自定义核密度图的设置，例如核类型、平滑系数等。

5 最后，点击“确定”以生成核密度图。

在Python中绘制概率密度图：

使用Seaborn库（基于matplotlib的统计数据可视化库）可以轻松绘制概率密度图。首先，确保您已安装了Seaborn库，然后按照以下步骤操作：

import numpy as np

import seaborn as sns

import matplotlibpyplot as plt

# 示例数据

data = nprandomrandn(100)

# 创建一个概率密度图

snskdeplot(data)

# 设置标题和轴标签

plttitle('概率密度图')

pltxlabel('X轴')

pltylabel('密度')

# 显示图形

pltshow()

这个例子中，我们使用了随机生成的正态分布数据。您可以根据需要替换成自己的数据。

注意：在使用Seaborn库之前，需要先使用pip安装：`pip install seaborn`。

可以使用Pycharts库来完成，你可以百度一下学习教程，几分钟就可以学会。

下面是我给出的一个示例，仅供参考：

bar = Bar('我的第一个图表','这里是副标题')

kwargs = dict(

    name = '柱形图',

    x_axis = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子'],

    y_axis = [5,20,36,10,75,90]

)

baradd(kwargs)

barrender('bar01html')

　　你可以安装python的第三方应用 chartdirector, 如下面用python代码生成多个曲线的png图形，并可以自定义layout

　　#!/usr/bin/python

from pychartdir import

# The data for the line chart

data0 = [42, 49, 33, 38, 51, 46, 29, 41, 44, 57, 59, 52, 37, 34, 51, 56, 56, 60, 70,

    76, 63, 67, 75, 64, 51]

data1 = [50, 55, 47, 34, 42, 49, 63, 62, 73, 59, 56, 50, 64, 60, 67, 67, 58, 59, 73,

    77, 84, 82, 80, 84, 98]

data2 = [36, 28, 25, 33, 38, 20, 22, 30, 25, 33, 30, 24, 28, 15, 21, 26, 46, 42, 48,

    45, 43, 52, 64, 60, 70]

# The labels for the line chart

labels = ["0", "1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13",

    "14", "15", "16", "17", "18", "19", "20", "21", "22", "23", "24"]

# Create an XYChart object of size 600 x 300 pixels, with a light blue (EEEEFF)

# background, black border, 1 pxiel 3D border effect and rounded corners

c = XYChart(600, 300, 0xeeeeff, 0x000000, 1)

csetRoundedFrame()

# Set the plotarea at (55, 58) and of size 520 x 195 pixels, with white background

# Turn on both horizontal and vertical grid lines with light grey color (0xcccccc)

csetPlotArea(55, 58, 520, 195, 0xffffff, -1, -1, 0xcccccc, 0xcccccc)

# Add a legend box at (50, 30) (top of the chart) with horizontal layout Use 9 pts

# Arial Bold font Set the background and border color to Transparent

caddLegend(50, 30, 0, "arialbdttf", 9)setBackground(Transparent)

# Add a title box to the chart using 15 pts Times Bold Italic font, on a light blue

# (CCCCFF) background with glass effect white (0xffffff) on a dark red (0x800000)

# background, with a 1 pixel 3D border

caddTitle("Application Server Throughput", "timesbittf", 15)setBackground(

    0xccccff, 0x000000, glassEffect())

# Add a title to the y axis

cyAxis()setTitle("MBytes per hour")

# Set the labels on the x axis

cxAxis()setLabels(labels)

# Display 1 out of 3 labels on the x-axis

cxAxis()setLabelStep(3)

# Add a title to the x axis

cxAxis()setTitle("Jun 12, 2006")

# Add a line layer to the chart

layer = caddLineLayer2()

# Set the default line width to 2 pixels

layersetLineWidth(2)

# Add the three data sets to the line layer For demo purpose, we use a dash line

# color for the last line

layeraddDataSet(data0, 0xff0000, "Server #1")

layeraddDataSet(data1, 0x008800, "Server #2")

layeraddDataSet(data2, cdashLineColor(0x3333ff, DashLine), "Server #3")

# Output the chart

cmakeChart("multilinepng")

简单说下图形选择啦，通常我们最常用的图形是折线图、扇形图、条形图，它们的功能简单概括为：

折线图：表示变化情况；

扇形图：表示各类别的分布占比情况；

条形图：表示具体数值；

接下来要说的直方图是以条形图的形式展现的，在统计学中， 直方图 （英语：Histogram）是一种对数据分布情况的图形表示。

以下展示了python画直方图的几种方式，这里涉及到了3个包：matplotlib、pandas、seanborn。

1、使用 matplotlibpyplothist 函数（本文主要讲解该方法画直方图）

2、使用 pandasDataFrameplothist 函数

3、使用 pandasDataFramehist 函数

4、使用 seaborndistplot 函数

以下为 matplotlibpyplothist 函数介绍：

参数：

返回值：

模拟真实场景：我们通过分析打分，给1000个客户进行了排名，排名越靠前，说明客户越优异，为了找到特定的200个客户的排名处于这1000个客户中的位置，使用了直方图对比的方式。以下使用的数据是为模拟场景，随机出来的结果排名比较靠后，所以这些客户质量并不高：

hist： https://myoschinanet/u/2474629/blog/1793008

matplotlib中文乱码： https://wwwjianshucom/p/c0f19f87036f

如何用Python画各种著名数学图案 | 附图+代码

用Python绘制著名的数学或动画，展示数学中的算法魅力。

Mandelbrot 集

'''

A fast Mandelbrot set wallpaper renderer

reddit discussion:

'''

importnumpy asnp

fromPILimportImage

fromnumba importjit

MAXITERS=200

RADIUS=100

@jit

defcolor(z, i):

v =nplog2(i +1-nplog2(nplog2(abs(z)))) /5

ifv <10:

returnv4, v25, v

else:

v =max(0, 2-v)

returnv, v15, v3

@jit

defiterate(c):

z =0j

fori inrange(MAXITERS):

ifzrealzreal +zimagzimag >RADIUS:

returncolor(z, i)

z =zz +c

return0, 0,0

defmain(xmin, xmax, ymin, ymax, width, height):

x =nplinspace(xmin, xmax, width)

y =nplinspace(ymax, ymin, height)

z =x[None, :] +y[:, None]1j

red, green, blue =npasarray(npfrompyfunc(iterate, 1, 3)(z))astype(npfloat)

img =npdstack((red, green, blue))

Imagefromarray(npuint8(img255))save('mandelbrotpng')

if__name__=='__main__':

main(-21, 08, -116, 116, 1200, 960)