数据可视化的魔法：Matplotlib的基本用法 - 不止于python

吧啦吧啦～

如果不能将数据可视化，那么拥有的数据除了占用存储将毫无用处。所以将数据分析起来才能大放光彩，也是海量数据存在的意义。python中有很多将数据可视化的模块， matplotlib是最基本的一个，也是功能非常强大的绘图库，支持绘制各种类型的统计图表。以下是几种常见的统计图表，以及绘制方法及用例

折线图

参数：

x：X轴的数据
y：Y轴的数据
label：线条的标签
color：线条的颜色
linestyle：线条的样式
marker：标记点的样式

示例：



import matplotlib.pyplot as plt  
  
x = [1, 2, 3, 4, 5]  
y = [10, 15, 13, 17, 8]  
  
plt.plot(x, y, label='Data', color='blue', linestyle='-', marker='o')  
plt.title('Line Plot')  
plt.xlabel('X-axis')  
plt.ylabel('Y-axis')  
plt.legend()  
plt.show()

效果图：

散点图

参数：

x：X轴的数据
y：Y轴的数据
s：点的大小
c：点的颜色
marker：标记点的样式

示例：



import matplotlib.pyplot as plt  
  
x = [1, 2, 3, 4, 5]  
y = [10, 15, 13, 17, 8]  
  
plt.scatter(x, y, label='Data', s=100, c='red', marker='o')  
plt.title('Scatter Plot')  
plt.xlabel('X-axis')  
plt.ylabel('Y-axis')  
plt.legend()  
plt.show()

效果图：

柱状图

参数示例：

x：X轴的数据
height：柱子的高度
width：柱子的宽度
align：柱子的对齐方式
color：柱子的颜色

示例：



import matplotlib.pyplot as plt  
  
categories = ['Category A', 'Category B', 'Category C', 'Category D']  
values = [25, 32, 12, 19]  
  
plt.bar(categories, values, width=0.5, align='center', color='green')  
plt.title('Bar Plot')  
plt.xlabel('Categories')  
plt.ylabel('Values')  
plt.show()

效果图：

饼图

参数：

labels：扇形块的标签
sizes：各扇形块的大小
colors：扇形块的颜色
explode：突出显示某些扇形块
autopct：扇形块上的百分比标签

示例：



import matplotlib.pyplot as plt  
  
labels = ['Category A', 'Category B', 'Category C', 'Category D']  
sizes = [25, 32, 12, 19]  
colors = ['red', 'blue', 'green', 'yellow']  
explode = (0.1, 0, 0, 0)  # 突出显示第一个扇形块  
  
plt.pie(sizes, labels=labels, colors=colors, explode=explode, autopct='%1.1f%%', shadow=True)  
plt.title('Pie Chart')  
plt.show()