Python数据可视化实战：Matplotlib与Seaborn入门指南

数据可视化是数据分析的重要环节，本文将通过Python的Matplotlib和Seaborn库，演示4种常见图表绘制方法，并提供可直接运行的代码示例。

一、基础折线图（Matplotlib）

代码实现

import matplotlib.pyplot as plt

# 数据准备
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 创建图形和轴对象
plt.figure(figsize=(8, 6))
plt.plot(x, y, marker='o', linestyle='-', color='b')

# 添加标题和标签
plt.title('tu')
plt.xlabel('X ')
plt.ylabel('Y')

# 显示网格
plt.grid(True)

结果呈现

二、散点图与样式美化

代码实现

# 生成随机数据
np.random.seed(42)
x = np.random.randn(200)
y = x * 2 + np.random.randn(200)

# 创建子图
fig, ax = plt.subplots(figsize=(7, 5))

# 绘制散点图
scatter = ax.scatter(x, y, 
                    c=np.arctan2(x, y),  # 颜色映射
                    s=100*np.abs(x),     # 点大小
                    alpha=0.7,
                    cmap='viridis')

# 添加颜色条
plt.colorbar(scatter)
ax.set_title("多维特征散点图", pad=20)
ax.set_xlabel("特征X")
ax.set_ylabel("特征Y")

plt.show()

结果呈现

三、柱状图与数据对比

代码实现

# 准备数据
categories = ['苹果', '香蕉', '橙子', '葡萄']
sales_2022 = [45, 30, 25, 40]
sales_2023 = [52, 28, 32, 38]

# 设置样式
plt.style.use('seaborn-darkgrid')

x = np.arange(len(categories))
width = 0.35

fig, ax = plt.subplots(figsize=(8,5))
rects1 = ax.bar(x - width/2, sales_2022, width, 
               label='2022', color='#4ECDC4')
rects2 = ax.bar(x + width/2, sales_2023, width,
               label='2023', color='#FF6B6B')

ax.set_xticks(x)
ax.set_xticklabels(categories)
ax.legend()

# 添加数据标签
def autolabel(rects):
    for rect in rects:
        height = rect.get_height()
        ax.annotate(f'{height}',
                    xy=(rect.get_x() + rect.get_width()/2, height),
                    xytext=(0, 3),
                    textcoords="offset points",
                    ha='center', va='bottom')

autolabel(rects1)
autolabel(rects2)

plt.title("水果销量年度对比")
plt.show()

结果呈现

四、高级可视化（Seaborn箱线图）

代码实现

import seaborn as sns
import pandas as pd

# 创建示例DataFrame
data = pd.DataFrame({
    '类别': np.random.choice(['A', 'B', 'C'], 200),
    '数值': np.random.normal(0, 1, 200) + 
          np.repeat([1, 2, 3], [70, 70, 60])
})

plt.figure(figsize=(7,5))
sns.boxplot(x='类别', y='数值', data=data, 
           palette='Set3', 
           showmeans=True,
           meanprops={"marker":"o",
                     "markerfacecolor":"white",
                     "markeredgecolor":"black"})

sns.swarmplot(x='类别', y='数值', data=data,
             color='.25', size=3)

plt.title("分类数据分布箱线图")
plt.show()

结果呈现