1.使用matplotlib与seaborn建立画布，并绘制下列的四种统计图在4个子图上： （1）生成100个标准高斯分布的数组，并绘制直方图、密度曲线在同一子图上，并设置X轴区间范围是(-5，5)。 （2）绘制函数f（×）=0.5*×2的蓝色曲线函数图像在区间（-5，5）上。 （3)对于给定的数据df=pd.DataFrame(np.random.rand(100,3),columns=['a'b'c'])绘制df各列的相关系数热图。 (4)对于给定的数据pd.Series(0.5*np.linspace(0,10,100)+np.random.randn(100),index=np.linspace(0,10,100))绘制散点图 同时做出回归线。只要代码不要注释

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 创建画布，并设置子图布局
fig, axs = plt.subplots(2, 2, figsize=(10, 8))

# 绘制直方图和密度曲线
data = np.random.randn(100)
sns.histplot(data, kde=True, ax=axs[0, 0])
axs[0, 0].set_xlim(-5, 5)
axs[0, 0].set_title('Histogram and Density')

# 绘制曲线函数
x = np.linspace(-5, 5, 100)
y = 0.5 * x ** 2
axs[0, 1].plot(x, y, color='blue')
axs[0, 1].set_title('Quadratic Function')

# 绘制相关系数热图
df = pd.DataFrame(np.random.rand(100, 3), columns=['a', 'b', 'c'])
corr = df.corr()
sns.heatmap(corr, annot=True, cmap='coolwarm', ax=axs[1, 0])
axs[1, 0].set_title('Correlation Heatmap')

# 绘制散点图和回归线
data = pd.Series(0.5 * np.linspace(0, 10, 100) + np.random.randn(100), index=np.linspace(0, 10, 100))
sns.regplot(x=data.index, y=data, ax=axs[1, 1])
axs[1, 1].set_title('Scatter Plot with Regression Line')

# 显示图形
plt.show()