正文

掌握Matplotlib，轻松实现数据可视化：20个实用示例解析

/0 浏览量
0605

1. 创建基础图表

1.1. 线形图

import matplotlib.pyplot as plt

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

plt.plot(x, y)
plt.title('基础线形图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.show()

1.2. 条形图

x = ['A', 'B', 'C', 'D']
y = [10, 20, 30, 40]

plt.bar(x, y)
plt.title('基础条形图')
plt.xlabel('类别')
plt.ylabel('数值')
plt.show()

1.3. 散点图

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

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

2. 高级图表

2.1. 子图

fig, axs = plt.subplots(2, 2)

axs[0, 0].plot([1, 2, 3], [1, 4, 9])
axs[0, 0].set_title('子图1')

axs[0, 1].bar([1, 2, 3], [1, 4, 9])
axs[0, 1].set_title('子图2')

axs[1, 0].scatter([1, 2, 3], [1, 4, 9])
axs[1, 0].set_title('子图3')

axs[1, 1].hist([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], bins=3)
axs[1, 1].set_title('子图4')

plt.tight_layout()
plt.show()

2.2. 箱线图

import numpy as np

data = np.random.normal(loc=0, scale=1, size=1000)

plt.boxplot(data)
plt.title('箱线图')
plt.xlabel('数据')
plt.show()

3. 动态图表

3.1. 动态更新数据

import matplotlib.animation as animation

fig, ax = plt.subplots()

x_data, y_data = [], []

def update(frame):
    x_data.append(frame)
    y_data.append(np.random.random())
    ax.clear()
    ax.plot(x_data, y_data)

ani = animation.FuncAnimation(fig, update, frames=100, interval=50)
plt.show()

3.2. 地图可视化

import geopandas as gpd
import matplotlib.pyplot as plt

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

fig, ax = plt.subplots(1, 1, figsize=(12, 8))

world.plot(ax=ax, color='white', edgecolor='black')
plt.show()

4. 高级定制

4.1. 自定义颜色

colors = ['#FF5733', '#FFC300', '#DAF7A6', '#C39BD3', '#E6E6FA']

plt.plot([1, 2, 3, 4, 5], [2, 3, 5, 7, 11], colors=colors)
plt.title('自定义颜色')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.show()

4.2. 自定义样式

styles = ['seaborn-darkgrid', 'seaborn-whitegrid', 'seaborn-dark-palette', 'seaborn-whitegrid']

plt.style.use(styles[0])
plt.plot([1, 2, 3, 4, 5], [2, 3, 5, 7, 11])
plt.title('自定义样式')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.show()

5. 交互式图表

5.1. Jupyter Notebook 中的交互式图表

%matplotlib notebook
import numpy as np
import matplotlib.pyplot as plt

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

fig, ax = plt.subplots()
ax.plot(x, y)
plt.show()

5.2. Plotly 交互式图表

import plotly.graph_objs as go

trace = go.Scatter(x=[1, 2, 3], y=[2, 3, 5])
data = [trace]
layout = go.Layout(title='交互式散点图', xaxis={'title': 'X轴'}, yaxis={'title': 'Y轴'})
fig = go.Figure(data=data, layout=layout)
fig.show()

通过以上20个实用示例，相信你已经对Matplotlib有了更深入的了解。Matplotlib是一个功能强大的工具，可以轻松实现各种数据可视化需求。在实际应用中，可以根据自己的需求选择合适的图表类型和样式，使数据可视化更加直观和有趣。

-- 展开阅读全文 --