Python数据分析工具：Matplotlib用法示例
Python数据分析工具：Matplotlib
是一个强大的绘图库，它提供了丰富的接口用于生成各种静态、动态和交互式的图表。以下是几个Matplotlib的基本用法示例，涵盖了不同类型的图表和常用功能。
1. 折线图（Line Plot）
折线图用于显示数据随时间或其他连续变量的变化趋势。
import matplotlib.pyplot as plt
import numpy as np
# 创建数据
x = np.linspace(0, 10, 100) # 生成0到10之间的100个数据点
y = np.sin(x) # 计算正弦值
# 绘制折线图
plt.figure(figsize=(10, 6)) # 设置图表大小
plt.plot(x, y, label='sin(x)', color='blue', linestyle='-', linewidth=2)
# 添加标题和轴标签
plt.title('Sin Function')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
# 添加图例
plt.legend()
# 显示图表
plt.show()
2. 散点图（Scatter Plot）
散点图用于显示两个变量之间的关系，通常用于观察数据的分布、异常值或类别之间的关系。
import matplotlib.pyplot as plt
import numpy as np
# 创建数据
np.random.seed(0)
n_points = 200
x = np.random.rand(n_points)
y = np.random.rand(n_points)
# 绘制散点图
plt.figure(figsize=(10, 6))
plt.scatter(x, y, alpha=0.7, cmap='viridis') # 使用颜色映射
# 添加标题和轴标签
plt.title('Random Scatter Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
# 显示图表
plt.show()
3. 直方图（Histogram）
直方图用于显示数据的分布情况，特别适用于展示数值型数据的频率分布。
import matplotlib.pyplot as plt
import numpy as np
# 创建数据
data = np.random.normal(0, 1, 1000) # 生成1000个正态分布数据
# 绘制直方图
plt.figure(figsize=(10, 6))
plt.hist(data, bins=30, color='blue', alpha=0.7, edgecolor='black')
# 添加标题和轴标签
plt.title('Histogram of Normal Distribution')
plt.xlabel('Value')
plt.ylabel('Frequency')
# 显示图表
plt.show()
4. 条形图（Bar Plot）
条形图用于比较不同类别之间的数据，例如不同产品的销售量或不同类别的统计数据。
import matplotlib.pyplot as plt
# 创建数据
categories = ['A', 'B', 'C', 'D']
values = [10, 15, 7, 12]
# 绘制条形图
plt.figure(figsize=(10, 6))
plt.bar(categories, values, color='skyblue')
# 添加标题和轴标签
plt.title('Bar Chart')
plt.xlabel('Category')
plt.ylabel('Value')
# 显示图表
plt.show()
5. 自定义图表样式
Matplotlib允许用户自定义图表的样式，包括颜色、线型、标记、标题、轴标签、图例等。
import matplotlib.pyplot as plt
import numpy as np
# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
# 绘制图表并自定义样式
plt.figure(figsize=(10, 6))
plt.plot(x, y1, label='sin(x)', color='red', linestyle='--', linewidth=2)
plt.plot(x, y2, label='cos(x)', color='green', linestyle='-.', linewidth=2)
# 添加标题和轴标签
plt.title('Custom Line Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
# 添加图例
plt.legend()
# 自定义坐标轴范围
plt.xlim(0, 10)
plt.ylim(-1.5, 1.5)
# 显示图表
plt.show()
以上示例展示了Matplotlib在Python数据分析中的基本用法，包括绘制折线图、散点图、直方图和条形图，并介绍了如何自定义图表的样式。通过这些示例，你可以了解到Matplotlib的强大功能和灵活性，以及如何利用它来生成高质量的数据可视化图表。
原文地址：https://blog.csdn.net/2401_85737382/article/details/142637001
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！