正文

掌握Matplotlib：Python数据可视化从新手到高手一步到位

/0 浏览量
1114

引言

Matplotlib 是一个功能强大的 Python 库，用于创建高质量的二维图表。它广泛应用于数据分析和科学计算领域，是 Python 数据可视化的首选工具。本文旨在帮助您从新手到高手，全面掌握 Matplotlib 的使用。

第1章：Matplotlib 简介

1.1 Matplotlib 的功能和优势

  • 丰富的图表类型：包括折线图、散点图、柱状图、饼图、箱线图等。
  • 高度可定制：支持自定义颜色、字体、线型、标记等。
  • 交互性强：支持鼠标交互，如缩放、平移等。
  • 与多种库兼容：可与 NumPy、Pandas 等库无缝集成。

1.2 安装和导入

!pip install matplotlib
import matplotlib.pyplot as plt

第2章：基本图表绘制

2.1 折线图

折线图是展示数据随时间或其他变量变化的常用图表。

import numpy as np

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

plt.plot(x, y)
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('正弦函数')
plt.show()

2.2 散点图

散点图用于展示两个变量之间的关系。

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

plt.scatter(x, y)
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('散点图')
plt.show()

2.3 柱状图

柱状图用于比较不同类别或组的数据。

categories = ['A', 'B', 'C', 'D']
values = [10, 20, 30, 40]

plt.bar(categories, values)
plt.xlabel('类别')
plt.ylabel('值')
plt.title('柱状图')
plt.show()

第3章：高级图表绘制

3.1 3D 图表

Matplotlib 支持绘制 3D 图表。

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)
x, y = np.meshgrid(x, y)
z = np.sin(np.sqrt(x**2 + y**2))

ax.plot_surface(x, y, z)
plt.show()

3.2 箱线图

箱线图用于展示数据的分布情况。

import seaborn as sns

data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
sns.boxplot(data=data)
plt.show()

第4章：图表定制

4.1 颜色和线型

plt.plot(x, y, color='red', linestyle='--', marker='o')
plt.show()

4.2 字体和标题

plt.title('标题', fontsize=14, color='blue')
plt.xlabel('X轴', fontsize=12)
plt.ylabel('Y轴', fontsize=12)
plt.show()

第5章：交互式图表

Matplotlib 支持创建交互式图表，如缩放、平移等。

fig, ax = plt.subplots()
ax.plot(x, y)
plt.ion()
for i in range(100):
    ax.set_xlim(0, i)
    plt.pause(0.1)
plt.ioff()
plt.show()

总结

Matplotlib 是一个功能强大的 Python 数据可视化库，通过本文的学习，您应该已经掌握了基本和高级的图表绘制、定制以及交互式图表的创建。希望您能在实际项目中运用所学知识，将数据可视化得更加出色。

-- 展开阅读全文 --