导入GDP数据集，分别作： 1. CPI向量的点图 2. 以Kapital为自变量，GDP为因变量，作它们线图 3. 作GDP数据集的散点图矩阵 4. 根据需要使用set类方法和setp方法设置以上图形的点型，颜色，坐标轴范围，标题等选项

在Python中，我们通常使用Pandas库来处理数据，Matplotlib库来创建图表。假设你已经有一个包含GDP和CPI、Kapital的数据集DataFrame，例如df。这里是一个示例步骤：

1. **CPI向量的点图**

   cpi_series = df['CPI']  # 提取CPI列
   plt.figure(figsize=(10, 6))
   plt.plot(cpi_series, 'o', label='CPI', markersize=8)  # 点图，'o'代表圆点
   plt.xlabel('时间序列')
   plt.ylabel('CPI')
   plt.title('CPI 时间序列')
   plt.legend()

2. **以Kapital为自变量，GDP为因变量的线图**

   gdp_series = df['GDP']
   kapital_series = df['Kapital']
   plt.figure()
   plt.plot(kapital_series, gdp_series, '-', color='blue', label='GDP vs Kapital')
   plt.xlabel('Kapital')
   plt.ylabel('GDP')
   plt.title('GDP随Kapital变化')
   plt.legend()

3. **GDP数据集的散点图矩阵**

   from pandas.plotting import scatter_matrix
   scatter_matrix(df[['GDP', 'CPI', 'Kapital']], figsize=(10, 10))
   plt.suptitle('Scatter Matrix of GDP, CPI, and Kapital')

4. **设置图形属性**
- **点型、颜色、坐标轴范围、标题**

     for ax in [plt.gca(), plt.gcf().axes]:
         ax.set_facecolor('lightgray')  # 背景颜色
         ax.set_xlim([min(df['Kapital']), max(df['Kapital'])])  # X轴范围
         ax.set_ylim([min(df['GDP']), max(df['GDP'])])       # Y轴范围
         plt.xticks(rotation=45)  # 文字旋转
         plt.grid(True)  # 显示网格
         ax.set_title('GDP vs Kapital', fontsize=14)  # 图片标题
         
     # 设置点型和颜色
     lines, _ = plt.gca().get_legend_handles_labels()
     lines[0].set(marker='o', linestyle='-', color='red')  # 首个图例的点型和颜色

记得替换上述代码中的'df'为你的实际数据集名，并根据你的数据结构进行适当调整。