条形图:
参考链接：https://www.cnblogs.com/always-fight/p/9707727.html
散点图
效果：
代码：
def scatter_curve():
# plt.subplot(1,1,1)
n=1024
X=np.random.normal(0,1,n)
Y=np.random.normal(0,1,n)
T=np.arctan2(X,Y)#用于渐变色彩
plt.axes([0,0,1,1])
#和subplot差不多，四个参数指定区域的大小
#plt.axes([xmin,xmax])
plt.scatter(X,Y,s=4,c=T,alpha=0.5)#4代表点的大小
plt.xlim(-1.5,1)
plt.ylim(-1.5,1)
# plt.yticks([])
plt.show()
scatter()更多信息详见：https://blog.csdn.net/qiu931110/article/details/68130199
所有的参数：
标量（只具有数值大小，没有方向）
参数s控制的是点的大小。
控制形状的：
颜色参数：
numpy random模块参考链接：https://www.cnblogs.com/hhh5460/p/4324967.html#top（官方文档翻译）
np.random.normal()生成高斯分布的概率密度随机数
参考链接：https://blog.csdn.net/qiqiaiairen/article/details/52505667
这个方法返回一个正态分布的数组？（正态分布、又称高斯分布、钟形曲线）
numpy.random.normal(loc=0.0, scale=1.0, size=None)
参数含义：
loc：（float类型）概率分布的均值，是对应于整个分布的中心而言
scale：（float类型）概率分布的标准差（标准差反应集合内个体的离散程度，越大越离散），对应于分布的宽度而言（即高度一定？），scale越大越矮胖，scale越小越瘦高
size：（int or tuple of ints类型）输出的shape（？），默认为None，只输出一个值
这个方法返回一个正态分布的数组
>>> numpy.random.normal(0,1,20)
array([-0.98305884, -0.79340779, 0.69865242, 1.10930775, 0.17458143,
0.88452427, 0.92862304, -1.27837941, -0.88772762, 0.86100981,
3.06262977, 1.66589188, -1.34269035, -0.13672729, 0.01154996,
-1.88304306, 0.35375017, -0.88784919, 2.77849309, 0.68915905])