python绘制图像的操作

import matplotlib.pyplot as plt
from matplotlib.pyplot import MultipleLocator
import numpy as np
import seaborn as sns

#描绘曲线图,可以对通过np.percentile获得数据的百分位
def draw_percentile(x,y):
    a=np.arange(0,1000)
    #获得a中91%分位的数值
    t=np.percentile(a,91)
    print(t)


    # x、y是两个list
    # 创建一个点数为 8 x 6 的窗口, 并设置分辨率为 80像素/每英寸
    plt.figure(figsize=(16, 8), dpi=80)
    # 再创建一个规格为 1 x 1 的子图
    plt.subplot(1, 1, 1)
    plt.title(‘voice length ratio ‘,fontsize=24)
    #设置坐标轴字体的大小
    plt.tick_params(axis=‘both‘, which=‘major‘, labelsize=14)
    # 绘制曲线, 宽度为3，线的颜色为紫罗兰色
    plt.plot(x, y, linewidth=3.0,color="#87CEFA")
    #设置横坐标的标签范围
    plt.xlim(0, 300)
    # 设置横轴标签
    plt.xlabel(‘voice length(s)‘,fontsize=14)
    # 设置纵轴标签
    plt.ylabel(‘ratio(%)‘,fontsize=14)

    # 把x轴的刻度间隔设置为20，并存在变量里
    x_major_locator = MultipleLocator(20)
    # 把y轴的刻度间隔设置为10，并存在变量里
    y_major_locator = MultipleLocator(10)

    # ax为两条坐标轴的实例
    ax = plt.gca()

    # 把x轴的主刻度设置为1的倍数
    ax.xaxis.set_major_locator(x_major_locator)
    ax.yaxis.set_major_locator(y_major_locator)

    plt.show()

#绘制直方图的两种方式
def draw_data_distribution():
    np.random.seed(444)
    d = np.random.laplace(loc=15, scale=3, size=100)

    #绘制直方图，纵坐标对应的是频数
    #bins设置分箱个数，可为 auto
    number_bins, boundary_bins, patches = plt.hist(x=d, bins=10, color=‘#0504aa‘,
                                alpha=0.7, rwidth=0.85)
    print(‘频数：‘,number_bins)
    print(‘分箱边界：‘,boundary_bins)
    plt.xlabel(‘data‘)
    plt.ylabel(‘frequency‘)
    plt.show()

    #单变量分布的直方图和kde同时绘制出来
    sns.distplot(d,kde=True)
    plt.xlabel(‘data‘)
    plt.ylabel(‘kde Density‘)
    plt.show()

if __name__==‘__main__‘:

    draw_data_distribution()