深⼊浅出之.cumsum（）函数
1. 基本绘画设置
(1)  Figure和Subplot
matplotlib的图像都位于Figure对象中，你可以⽤plt.figure创建⼀个新的Figure.
#这时会弹出⼀个空窗
fig = plt.figure()
但是不能通过空Figure绘图，必须⽤add_subplot创建⼀个或多个subplot才⾏
#这条代码的意思是：图像应该是2X2的，且当前选中的是第⼀个
ax1 = fig.add_subplot(2,2,1)
#再绘制两个
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
此时绘图，就会在subplot上进⾏绘制
例如：
from numpy.random import randn
plt.plot(randn(50).cumsum(), 'k--')
#'k--'是⼀个线型选项，⽤于告诉matplotlib绘制⿊⾊虚线图。
别⼀种更为⽅便的⽅法，可以创建⼀个新的Figure，并返回⼀个含有已创建subplot对象的NumPy数组：
#创建了⼀个两⾏，三列的区域
fig, axes = plt.subplots(2,3)
(2)  调整subplot周围的间距
默认情况下，matplotlib会在subplot外围留下⼀定的边距，并在subplot之间留下⼀定的间距。 利⽤subplots_adjust⽅法可以调整间距
fig, axes = plt.subplots(2,2, sharex=True, sharey=True)
for i in range(2):
matplotlib中subplotfor j in range(2):
axes[i,j].hist(randn(500), bins=50, color='k', alpha=0.5)
plt.subplots_adjust(wspace=0, hspace=0)
(3)  颜⾊、标记和线型
根据x,y绘制绿⾊虚线
ax.plot(x, y, 'g--')
#与下⾯设置是⼀样的
ax.plot(x, y, linestyle='--', color='g')
线型图可以加上⼀些标记，来强调实际的点
plt.plot(randn(30).cumsum(), 'ko--')
#等价于
plt.plot(randn(30).cumsum(), color='k', linestyle='dashed', marker='o')
(4)  刻度、标签和图例
添加刻度和标签
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum())
#修改X轴的刻度
#刻度放在哪些位置
ticks = ax.set_xticks([0,250,500,750,1000])
#也可以将其他值⽤作标签
labels = ax.set_xticklabels(['one','two','three','four','five'], rotation=30, fontsize='small')
#为X轴设置⼀个名称
ax.set_title('My first matplotlib plot')
#设置⼀个标题
ax.set_xlabel('Stages')
添加图例：
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum(), 'k', label='one')
ax.plot(randn(1000).cumsum(), 'k--', label='two')
ax.plot(randn(1000).cumsum(), 'k.', label='three')
ax.legend(loc='best')
2.  cumsum函数定义：
cumsum(a, axis=None, dtype=None, out=None)
a.cumsum(axis=None, dtype=None, out=None)
返回：沿着指定轴的元素累加和所组成的数组，其形状应与输⼊数组a⼀致
其中cumsum函数的参数：
a：数组
axis：轴索引，整型，若a为n维数组，则axis的取值范围为[0,n-1]
dtype：返回结果的数据类型，若不指定，则默认与a⼀致。
out：数据类型为数组。⽤来放置结果的替代输出数组，它必须具有与输出结果具有相同的形状和缓冲长度代码⽰例：
1.对于⼀维数组⽽⾔：
import numpy as np
arr=np.array([1,2,3,4,5,6,7,8,9])
result=arr.cumsum()    #此时axis只能取0，因此，axis=0可不写
#result： array([ 1,  3,  6, 10, 15, 21, 28, 36, 45], dtype=int32)
输出结果的数组result[i]的结果为sum(arr[:i+1])。
2.对于⼆维数组⽽⾔
import numpy as np
arr=np.array([[1,2,3],[4,5,6],[7,8,9]])
#沿着axis=0轴计算
result1=arr.cumsum(0)  #array([[ 1,  2,  3],[ 5,  7,  9],[12, 15, 18]], dtype=int32)
#沿着axis=1轴计算
result2=arr.cumsum(1)  #array([[ 1,  3,  6],[ 4,  9, 15],[ 7, 15, 24]], dtype=int32)
#arr.cumsum()并不是arr.cumsum(0)和arr.cumsum(1)的并集，⽽是将arr重塑为⼀维数组后的，再计算cumsum()的结果arr.cumsum()#array([ 1,  3,  6, 10, 15, 21, 28, 36, 45], dtype=int32)
输出结果的数组result1[i][j]的结果为sum(arr[:i+1,j])；
输出结果的数组result2[i][j]的结果为sum(arr[i,:j+1])。
本⽂参考了    和