>>pyecharts: 详细参见官方中文文档： https://pyecharts.org/#/zh-cn/intro
>>dataframe绘图：
【python】详解pandas.DataFrame.plot( )画图函数
>>matplotlib绘图：
-
Plt.plot( *args, **kw)参数： plot是折线图
1） x轴和y轴，如果给出两个参数，则默认第一组数据为x轴，第二组参数为y轴。 如果只有一组参数，则默认为y轴，x轴会自动添加，也可以自行添加x轴或y轴的数字，
2） plot对曲线的属性设置 。
颜色设置： 'go--' g代表线条颜色green （颜色设置可以参考 16位html 字符串 或RGB进行设置，从网上找到相应的表示方法赋值给color参数即可，具体的设置参考 http://tool.oschina.net/commons?type=3
o 代表线条上每个点的标注方式为圆圈，
--代表点与点之间的连接方式为 双短横线（如果是一个短横线表示实线连接）
linewindth为线条宽度或深度，markersize为每个点的尺寸大小3） 设定x轴和y轴的范围，即坐标轴的最大值和最小值。 两种方法
1) Plt.axis = ( [xmin, xmax, ymin, ymax] )
2) plt.xlim = [xmin,xmax] 和 plt.ylim = [ymin, ymax] 单独设置。
4） 多个图在同一个x和y轴坐标轴上展示，
方法1： plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')，如下图三条曲线展示在同一个坐标轴上
方法2：先设置
5） plot 对 支持所有可索引对象。这可以是例如a dict，a pandas.DataFame或结构化的numpy数组。更为方便的绘制图像
6）plt.title 为每一个图或者子图设置标题
7） plt.plot(x,y,label= 'str') label参数为该条数据曲线的图例，如果要显示各条曲线的图例，必须添加 代码 plt.legend( ) 才能显示图例
plt.plot(x1,y1,x2,y2,xn,yn)
plt.legend (labels = [],loc = ，title = ，ncol = n ，bbox_to_anchor = [x1,x2,x3,x4]，mode = )
为多个曲线设置图例，首先在plot方法为每条曲线绘图，然后使用legend方法单独设置图例，labels参数是多个曲线的图例名称，
title 即表示图例的名称，添加字符使看图者知晓这是图例。
Ncol 参数表示图例按照几列显示。
Mode 如果为 expand，图例则会一定基准按照分布显示。如果有bbox_to_anchor,则bbox_to_anchor 为基准，如果无，则图像的
横轴为基准
bbox_to_anchor 参数大体确定图例的位置： (x0,y0,width,height) 意思是在figure内设置一个框。 X0,y0是相对于figure的左下角的点的位置，如果是 x0 = 0.5,y0 = 0.5 则表示位于figure的正中间（即此时使用的是坐标轴体系，Axes coordinates），x0为正，则向上，为负，则向下，y0为正，则向右，为负，则向左。X0,y0确定了 框的左下角的点，width height 确定框的宽度和高度。 loc参数和bbox_to_anchor并用，确定具体的legend的位置，loc是相对于bbox_to_anchor的框的位置。 。 如下图：
将图例设置在图像下方正*的方法：定义bbox_to_anchor [x0,y0,width,height] 通过设置 1 - x0 +width = x0即2*x0+width = 1可让 图例显示在正*，x0表示图例位置距离x = 0即图像左端的距离，width为图例的宽度，1-x0-width = x0 表示距离图像右端的距离也等于x0，此时图例显示在正*。 经测试，bbox_to_anchor = [0.2,-0.15,0.6,0.2]，loc = 'lower center'能够准确将图例显示在最下方，比较美观
8） plt.xlable(str) plt.ylable(str) 为x和y轴的轴标签
>>>在表中添加一条辅助参考线，用于表示界限。 垂直线 axvline( x轴位置，ymin, yman )其中ymin ymax用于确定垂直线的长度 水平线 axhline( y轴位置，xmin, xmax ) xmin xmax 用于确定水平线长度。一般只标注 垂直线的x轴位置 水平线的y轴位置即可，其他参数 包括linewidth color等等 plt.axhspan pltaxvspan 用于表示水平参考线的 宽度 垂直参考线区域的长度，详见 https://matplotlib.org/gallery/subplots_axes_and_figures/axhspan_demo.html?highlight=axhline
>>>设置注解 plt.annotate 参数 s 注释的文字表述 xy 注释的数据所在的位置， xytext注释的文字表述所在的位置xycoords采用的坐标系
>>>对图像的边框进行调整：移动坐标轴的位置，设置四个象限
>>>坐标系规则，即判断位置时的依据： 如果想要改变坐标系，即在确定figure中的一些具体位置时需要更换坐标系，则在一些方法中需要对 transform参数进行调整 。建议使用data的用户数据坐标系，即figure的横纵坐标表示的坐标体系，也即最后实际显示的坐标体系。
具体的坐标轴体系参见 https://matplotlib.org/users/transforms_tutorial.html
总结：
transdata 是 用户坐标体系，即实际看到图表的坐标体系
transAxes 是每个子图的坐标体系，如果没有子图，则为整个图。具体表示方法为（0，0）代表左下方，（1，1）代表右上方，（0.5，0.5）代表正中间，按照比例表示。
这些转换可用于任何类型的Matplotlib对象。ax.text的默认转换是ax.transData，fig.text的默认转换是fig.transFigure。
>>>常用知识点细节整理： https://www.cnblogs.com/zhizhan/p/5615947.html
>>>多种图表示例代码： 40000字 Matplotlib 实操干货，真的全！