实例1：创建基本的折线图

在Matplotlib中，折线图是最常见的图表类型之一，用于展示数据随时间或其他变量的变化趋势。

import matplotlib.pyplot as plt

# 示例数据
x = [0, 1, 2, 3, 4, 5]
y = [0, 1, 4, 9, 16, 25]

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

实例2：添加图例

当图表中有多个数据系列时，图例可以帮助读者区分不同的数据系列。

x = [0, 1, 2, 3, 4, 5]
y1 = [0, 1, 4, 9, 16, 25]
y2 = [1, 2, 5, 10, 17, 26]

plt.plot(x, y1, label='系列1')
plt.plot(x, y2, label='系列2')
plt.title('带有图例的折线图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()
plt.show()

实例3：自定义颜色和线型

可以通过设置颜色和线型来增强图表的美观性和可读性。

x = [0, 1, 2, 3, 4, 5]
y = [0, 1, 4, 9, 16, 25]

plt.plot(x, y, color='red', linestyle='--')
plt.title('自定义颜色和线型的折线图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.show()

实例4：添加网格线

网格线可以帮助读者更好地理解数据。

x = [0, 1, 2, 3, 4, 5]
y = [0, 1, 4, 9, 16, 25]

plt.plot(x, y)
plt.title('带有网格线的折线图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.grid(True)
plt.show()

实例5：创建散点图

散点图用于展示两个变量之间的关系。

x = [0, 1, 2, 3, 4, 5]
y = [0, 1, 4, 9, 16, 25]

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

实例6：添加标题和标签

标题和标签是图表的重要组成部分，它们提供了图表的上下文。

x = [0, 1, 2, 3, 4, 5]
y = [0, 1, 4, 9, 16, 25]

plt.scatter(x, y)
plt.title('带有标题和标签的散点图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.show()

实例7：调整散点图的大小和形状

通过调整散点的大小和形状，可以突出显示特定的数据点。

x = [0, 1, 2, 3, 4, 5]
y = [0, 1, 4, 9, 16, 25]

plt.scatter(x, y, s=100, marker='o')
plt.title('调整散点图的大小和形状')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.show()

实例8：创建柱状图

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.title('柱状图')
plt.xlabel('类别')
plt.ylabel('值')
plt.show()

实例9：堆叠柱状图

堆叠柱状图可以展示每个类别的总数值。

categories = ['A', 'B', 'C', 'D']
values = [10, 20, 30, 40]
values2 = [5, 15, 25, 35]

plt.bar(categories, values, label='系列1')
plt.bar(categories, values2, bottom=values, label='系列2')
plt.title('堆叠柱状图')
plt.xlabel('类别')
plt.ylabel('值')
plt.legend()
plt.show()

实例10：创建分组柱状图

分组柱状图可以比较不同组别之间的数据。

categories = ['A', 'B', 'C', 'D']
values1 = [10, 20, 30, 40]
values2 = [5, 15, 25, 35]

plt.bar(categories, values1, label='组1')
plt.bar(categories, values2, bottom=values1, label='组2')
plt.title('分组柱状图')
plt.xlabel('类别')
plt.ylabel('值')
plt.legend()
plt.show()

实例11：创建饼图

饼图用于展示不同部分占整体的比例。

labels = 'A', 'B', 'C', 'D'
sizes = [15, 30, 45, 10]
colors = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue']

plt.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=140)
plt.axis('equal')  # Equal aspect ratio ensures that pie is drawn as a circle.
plt.title('饼图')
plt.show()

实例12：创建3D饼图

3D饼图可以提供更丰富的视觉效果。

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

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

# 创建数据
theta = np.linspace(0, 2 * np.pi, 100)
r = np.sin(theta)
z = np.cos(theta)

# 绘制3D饼图
ax.plot_surface(r, theta, z, color='b', alpha=0.5)
ax.set_zlim(-1.02, 1.02)
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.set_zlabel('Z轴')
plt.title('3D饼图')
plt.show()

实例13：创建散点图和柱状图的组合图

组合图可以同时展示散点图和柱状图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.arange(6)
y1 = np.random.rand(6)
y2 = np.random.rand(6)

# 创建组合图
fig, ax1 = plt.subplots()

color = 'tab:red'
ax1.set_xlabel('X轴')
ax1.set_ylabel('Y1轴', color=color)
ax1.bar(x, y1, color=color)
ax1.tick_params(axis='y', labelcolor=color)

ax2 = ax1.twinx()  
color = 'tab:blue'
ax2.set_ylabel('Y2轴', color=color)  
ax2.plot(x, y2, color=color)
ax2.tick_params(axis='y', labelcolor=color)

fig.tight_layout()  
plt.show()

实例14：创建箱线图

箱线图用于展示数据的分布情况，包括中位数、四分位数和异常值。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = [25, 30, 35, 40, 45, 50, 55, 60, 65, 70]

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

实例15：创建散点图和箱线图的组合图

组合图可以同时展示散点图和箱线图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = [25, 30, 35, 40, 45, 50, 55, 60, 65, 70]

fig, ax = plt.subplots()

# 绘制散点图
ax.scatter([1]*len(data), data, color='red')

# 绘制箱线图
ax.boxplot(data, vert=False)

plt.title('散点图和箱线图的组合图')
plt.xlabel('类别')
plt.ylabel('值')
plt.show()

实例16：创建散点图和直方图的组合图

组合图可以同时展示散点图和直方图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = np.random.randn(1000)

fig, ax = plt.subplots()

# 绘制散点图
ax.scatter(range(len(data)), data, color='red')

# 绘制直方图
ax.hist(data, bins=30, alpha=0.5, color='blue')

plt.title('散点图和直方图的组合图')
plt.xlabel('索引')
plt.ylabel('值')
plt.show()

实例17：创建散点图和密度图的组合图

组合图可以同时展示散点图和密度图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = np.random.randn(1000)

fig, ax = plt.subplots()

# 绘制散点图
ax.scatter(range(len(data)), data, color='red')

# 绘制密度图
ax.hexbin(range(len(data)), data, gridsize=30, cmap='Blues')

plt.title('散点图和密度图的组合图')
plt.xlabel('索引')
plt.ylabel('值')
plt.show()

实例18：创建散点图和等高线的组合图

组合图可以同时展示散点图和等高线图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(-3.0, 3.0, 100)
y = np.linspace(-3.0, 3.0, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

fig, ax = plt.subplots()

# 绘制散点图
ax.scatter(X, Y, c=Z, cmap='viridis')

# 绘制等高线
contour = ax.contour(X, Y, Z, levels=5, cmap='viridis')

plt.title('散点图和等高线的组合图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.show()

实例19：创建散点图和散点图层的组合图

组合图可以同时展示多个散点图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data1 = np.random.randn(100)
data2 = np.random.randn(100)

fig, ax = plt.subplots()

# 绘制第一个散点图
ax.scatter(range(len(data1)), data1, color='red')

# 绘制第二个散点图
ax.scatter(range(len(data2)), data2, color='blue')

plt.title('散点图和散点图层的组合图')
plt.xlabel('索引')
plt.ylabel('值')
plt.show()

实例20：创建散点图和柱状图层的组合图

组合图可以同时展示散点图和柱状图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = np.random.randn(100)

fig, ax = plt.subplots()

# 绘制散点图
ax.scatter(range(len(data)), data, color='red')

# 绘制柱状图
ax.bar(range(len(data)), data, color='blue')

plt.title('散点图和柱状图层的组合图')
plt.xlabel('索引')
plt.ylabel('值')
plt.show()

实例21：创建散点图和直方图层的组合图

组合图可以同时展示散点图和直方图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = np.random.randn(100)

fig, ax = plt.subplots()

# 绘制散点图
ax.scatter(range(len(data)), data, color='red')

# 绘制直方图
ax.hist(data, bins=30, alpha=0.5, color='blue')

plt.title('散点图和直方图层的组合图')
plt.xlabel('索引')
plt.ylabel('值')
plt.show()

实例22：创建散点图和密度图层的组合图

组合图可以同时展示散点图和密度图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = np.random.randn(100)

fig, ax = plt.subplots()

# 绘制散点图
ax.scatter(range(len(data)), data, color='red')

# 绘制密度图
ax.hexbin(range(len(data)), data, gridsize=30, cmap='Blues')

plt.title('散点图和密度图层的组合图')
plt.xlabel('索引')
plt.ylabel('值')
plt.show()

实例23：创建散点图和等高线图层的组合图

组合图可以同时展示散点图和等高线图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(-3.0, 3.0, 100)
y = np.linspace(-3.0, 3.0, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

fig, ax = plt.subplots()

# 绘制散点图
ax.scatter(X, Y, c=Z, cmap='viridis')

# 绘制等高线
contour = ax.contour(X, Y, Z, levels=5, cmap='viridis')

plt.title('散点图和等高线图层的组合图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.show()

实例24：创建散点图和散点图层的组合图

组合图可以同时展示多个散点图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data1 = np.random.randn(100)
data2 = np.random.randn(100)

fig, ax = plt.subplots()

# 绘制第一个散点图
ax.scatter(range(len(data1)), data1, color='red')

# 绘制第二个散点图
ax.scatter(range(len(data2)), data2, color='blue')

plt.title('散点图和散点图层的组合图')
plt.xlabel('索引')
plt.ylabel('值')
plt.show()

实例25：创建散点图和柱状图层的组合图

组合图可以同时展示散点图和柱状图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = np.random.randn(100)

fig, ax = plt.subplots()

# 绘制散点图
ax.scatter(range(len(data)), data, color='red')

# 绘制柱状图
ax.bar(range(len(data)), data, color='blue')

plt.title('散点图和柱状图层的组合图')
plt.xlabel('索引')
plt.ylabel('值')
plt.show()

实例26：创建散点图和直方图层的组合图

组合图可以同时展示散点图和直方图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = np.random.randn(100)

fig, ax = plt.subplots()

# 绘制散点图
ax.scatter(range(len(data)), data, color='red')

# 绘制直方图
ax.hist(data, bins=30, alpha=0.5, color='blue')

plt.title('散点图和直方图层的组合图')
plt.xlabel('索引')
plt.ylabel('值')
plt.show()

实例27：创建散点图和密度图层的组合图

组合图可以同时展示散点图和密度图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = np.random.randn(100)

fig, ax = plt.subplots()

# 绘制散点图
ax.scatter(range(len(data)), data, color='red')

# 绘制密度图
ax.hexbin(range(len(data)), data, gridsize=30, cmap='Blues')

plt.title('散点图和密度图层的组合图')
plt.xlabel('索引')
plt.ylabel('值')
plt.show()

实例28：创建散点图和等高线图层的组合图

组合图可以同时展示散点图和等高线图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(-3.0, 3.0, 100)
y = np.linspace(-3.0, 3.0, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

fig, ax = plt.subplots()

# 绘制散点图
ax.scatter(X, Y, c=Z, cmap='viridis')

# 绘制等高线
contour = ax.contour(X, Y, Z, levels=5, cmap='viridis')

plt.title('散点图和等高线图层的组合图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.show()

实例29：创建散点图和散点图层的组合图

组合图可以同时展示多个散点图的特点。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data1 = np.random.randn(100)
data2 = np.random.randn(100)

fig, ax = plt.subplots()

# 绘制第一个散点图
ax.scatter(range(len(data1)), data1, color='red')

# 绘制第二个散点图
ax.scatter(range(len(data2)), data2, color='blue')

plt.title('散点图和散点图层的组合图')
plt.xlabel('索引')
plt.ylabel('值')
plt.show()

实例30：创建散点图和柱状图层的组合图

组合图可以同时展示散点图和柱状图的特点。

”`python import matplotlib.pyplot as plt import numpy as np

创建