一、 三维绘图
p = 0: pi/10: 20*pi; x = cos(p); y = sin(p); z = p; plot3(x,y,z)
x = -2:.2:2; %有-2为起点，2为递增步长，2为终止点 y = -1:.2:1; [xx, yy] = meshgrid(x, y); %用于从数组x和y产生网格,两矩阵大小相同 zz = xx.*exp(-xx.^2 - yy.^2); [px,py] = gradient(zz,.2,.2); %求数值梯度函数的命令 quiver(x,y,px,py,2);
quiver(x,y,u,v)函数：用来绘制二维方向的箭头图，在点(x,y)处用箭头显示对应于(u,v)的速度向量。
二、 统计绘图
1. box图主要用来进行图形化的检验，进行数据样本的box图，其函数为
boxplot(X, notch, 'sym', vert, whis) //X为矩阵，X中的每列数据绘制一个box图。Notch缺省则box图无切口，取址为1，图形带切口。 //'sym'为野值标记，缺省符号为‘+’。Vertkongzhibox图水平或垂直放置，取值为0，水平放置；取值为1垂直放置。
//Whis定义虚线的长度为内四分位间距（IRQ）的函数，缺省为1.5 * IRQ，取值为0时，则box图用sym规定的标记数据。
a = normrnd(4,1,100,1);
b = normrnd(5,1,100,1);
x = [a b];
boxplot(x,0,'-',0)
2. 误差条的函数为
errorbar(x,y,l,u,symbol) //功能是给出x-y图以及由l和u规定的误差界限的误差条，symbol为一个字符串，可规定类型和颜色。
a = 0.1:0.2:0.5; r = poissrnd(a(ones(50,1),:)); %泊松分布随机数发生器 [p,pci] = poissfit(r,0.001); l = p - pci(1,:); u = pci(2,:) - p; errorbar(l:3, p, l, u, '-')
Lambdahat=poissfit(X) 泊松分布的参数的最大似然估计
[Lambdahat, Lambdaci] = poissfit(X) 置信度为95%的参数估计和置信区间
[Lambdahat, Lambdaci]= poissfit (X, ALPHA) 返回水平α的λ参数和置信区间
x = linspace(0,10,50); y = exp(sin(x)); delta = 0.15 * y; %计算15%的误差限 errorbar(x,y,delta);
3. 最小二乘数据可以将 拟合前数据与拟合后所得的直线和曲线进行绘图比较，lsline
a = [1 2.2 3.2 4.1 5.3 6 8.4 10.2 13.1 15.3]; plot(a, '*'); lsline
4. 正太数据图可用来绘制图形化的正态检验正态概率图
normplot(x) //绘制数据x的正态概率图，当x为矩阵时，图形为x的每一列绘制一条线，图形用符号“+”标识样本数据。
//当数据分布服从正态分布，则图形呈现为直线，而其他概率函数则i凹陷出不同程度的弯曲。
x = normrnd(0,1,80,1); normplot(x)
5. 绘制数据排列，函数
pareto(y,'names') //其中names是可选的，而y为一列数据。函数将数据y按数据递减顺序绘制成直方图，其上折现则表示累积频率。
fruits = {'Banana', 'Pear','Orange','Raspberry'};
amounts = [7,22,3,13];
pareto(amounts,fruits)
6. 柱状图
x = [5 10 7 1.3]; label = {'Banana', 'Pear','Orange','Raspberry'}; pie(x,label)
三维柱状图：
x = [5 10 7 1.3]; label = {'Banana', 'Pear','Orange','Raspberry'}; pie3(x,label)
7. 多项式绘图——refcerve(p)函数
s = [-1.1 0.9 1.9 -0.9 -5.4 -10.5 -19.6 -28.7 -40 -55.5 -71.6]; plot(s,'s') refcurve([-1 3 -1])
8. 二维 柄状图
y=linspace(0,2*pi,10) stem(cos(y),'fill','-.')%对离散图的末端进行了填充 title('二维柄状图示例');
