数据可视化入门篇----matplotlib库绘制简单的折线图

import matplotlib.pyplot as plt

input_values = [1, 2, 3, 4, 5]

squares = [1, 4, 9, 16, 25]

参数linewidth决定plot()绘制的线条的粗细

plt.plot(input_values, squares, linewidth=5)

设置图表标题，并给坐标轴加上标签 参数fontsize指定了图表中文字的大小。

plt.title(‘Square Numbers’, fontsize=24)

plt.xlabel(‘Value’, fontsize=14)

plt.ylabel(‘Square of Value’, fontsize=14)

设置刻度标记的大小 参数labelsize设置刻度标记的字号。

plt.tick_params(axis=‘both’, labelsize=14)

plt.show()

（3）使用scatter()绘制一系列点

要绘制一系列的点，可向scatter()传递两个分别包含x值和y值的列表：

import matplotlib.pyplot as plt

x_values = [1, 2, 3, 4, 5]

y_values = [1, 4, 9, 16, 25]

参数linewidth决定plot()绘制的线条的粗细

plt.scatter(x_values, y_values, s=100)

设置图表标题，并给坐标轴加上标签 参数fontsize指定了图表中文字的大小。

plt.title(‘Square Numbers’, fontsize=24)

plt.xlabel(‘Value’, fontsize=14)

plt.ylabel(‘Square of Value’, fontsize=14)

设置刻度标记的大小 参数labelsize设置刻度标记的字号。

plt.tick_params(axis=‘both’, labelsize=14)

plt.show()

（4）自动计算数据

手工计算列表要包含的值可能效率低下，所以让python循环来替我们完成这种计算即可！下面是绘制1000个点的代码：

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))

y_values = [x**2 for x in x_values]

参数linewidth决定plot()绘制的线条的粗细

plt.scatter(x_values, y_values, s=40)

设置图表标题，并给坐标轴加上标签 参数fontsize指定了图表中文字的大小。

plt.title(‘Square Numbers’, fontsize=24)

plt.xlabel(‘Value’, fontsize=14)

plt.ylabel(‘Square of Value’, fontsize=14)

设置刻度标记的大小 参数labelsize设置刻度标记的字号。

plt.tick_params(axis=‘both’, labelsize=14)

设置每个坐标轴的取值范围 axis()要求提供四个值：x和y坐标轴的最小值和最大值。

plt.axis([0, 1000, 0, 1100000])

plt.show()

（5）删除数据点的轮廓

matplotlib允许你给散点图中的各个点指定颜色。默认为黑色点和无轮廓。要添加数据点的轮廓，可在调用scatter()时传递实参edgecolor=‘black’:

import matplotlib.pyplot as plt

x_values = [1, 2, 3, 4, 5]

y_values = [1, 4, 9, 16, 25]

参数linewidth决定plot()绘制的线条的粗细

plt.scatter(x_values, y_values, edgecolors=‘black’, s=100)

设置图表标题，并给坐标轴加上标签 参数fontsize指定了图表中文字的大小。

plt.title(‘Square Numbers’, fontsize=24)

plt.xlabel(‘Value’, fontsize=14)

plt.ylabel(‘Square of Value’, fontsize=14)

设置刻度标记的大小 参数labelsize设置刻度标记的字号。

plt.tick_params(axis=‘both’, labelsize=14)

plt.show()

（6）自定义颜色

要修改数据点的颜色，可向scatter()传递参数c，并将其设置为要使用的颜色的名称，如下：

import matplotlib.pyplot as plt

x_values = [1, 2, 3, 4, 5]

y_values = [1, 4, 9, 16, 25]

参数linewidth决定plot()绘制的线条的粗细

plt.scatter(x_values, y_values, c=‘red’, edgecolors=‘black’, s=100)

设置图表标题，并给坐标轴加上标签 参数fontsize指定了图表中文字的大小。

plt.title(‘Square Numbers’, fontsize=24)

plt.xlabel(‘Value’, fontsize=14)

plt.ylabel(‘Square of Value’, fontsize=14)

设置刻度标记的大小 参数labelsize设置刻度标记的字号。

plt.tick_params(axis=‘both’, labelsize=14)

plt.show()

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！