正文

解锁数据之美：Matplotlib可视化案例库全解析，掌握数据展示新技能

/0 浏览量
0531

引言

Matplotlib 是 Python 中最常用的数据可视化库之一，它提供了丰富的绘图功能，可以帮助我们轻松地将数据转换为各种图表。在本篇文章中，我们将通过一系列案例解析，全面了解 Matplotlib 的功能，并掌握如何使用它来展示数据之美。

一、Matplotlib 基础

1.1 安装与导入

pip install matplotlib

import matplotlib.pyplot as plt

1.2 基本图表类型

1.2.1 折线图

import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.title('折线图示例')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
plt.show()

1.2.2 散点图

x = np.random.rand(50)
y = np.random.rand(50)

plt.scatter(x, y, color='red', marker='o')
plt.title('散点图示例')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
plt.show()

1.2.3 柱状图

categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]

plt.bar(categories, values, color='blue', width=0.5)
plt.xlabel('类别')
plt.ylabel('数值')
plt.title('柱状图示例')
plt.show()

1.2.4 饼图

labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]

plt.pie(sizes, labels=labels, autopct='%1.1f%%')
plt.title('饼图示例')
plt.show()

二、Matplotlib 高级功能

2.1 子图

fig, axs = plt.subplots(2, 2, figsize=(10, 8))

axs[0, 0].plot(x, np.sin(x), color='blue')
axs[0, 0].set_title('Sine Wave')

axs[0, 1].plot(x, np.cos(x), color='orange')
axs[0, 1].set_title('Cosine Wave')

axs[1, 0].scatter(x, np.random.rand(100), color='green')
axs[1, 0].set_title('Random Scatter')

axs[1, 1].bar(categories, values, color='blue', width=0.5)
axs[1, 1].set_title('Bar Chart')

plt.tight_layout()
plt.show()

2.2 风格化

plt.style.use('ggplot')

plt.plot(x, y)
plt.title('折线图示例')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
plt.show()

2.3 交互式图表

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
z = np.sin(np.sqrt(x**2 + y**2))

ax.plot_surface(x, y, z, cmap='viridis')
plt.show()

三、Matplotlib 实战案例

3.1 股票价格可视化

import pandas as pd

data = pd.read_csv('stock_data.csv')
plt.plot(data['Date'], data['Close'], label='Close Price')
plt.title('Stock Price')
plt.xlabel('Date')
plt.ylabel('Close Price')
plt.legend()
plt.show()

3.2 地图可视化

import geopandas as gpd

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
world.plot()
plt.show()

四、总结

通过以上案例解析，我们全面了解了 Matplotlib 的功能和应用。Matplotlib 是一个功能强大的数据可视化库，可以帮助我们轻松地将数据转换为各种图表，并展示数据之美。希望本篇文章能帮助你掌握数据展示新技能。

-- 展开阅读全文 --