Python数据分析工具：Matplotlib用法示例

Python数据分析工具：Matplotlib

是一个强大的绘图库，它提供了丰富的接口用于生成各种静态、动态和交互式的图表。以下是几个Matplotlib的基本用法示例，涵盖了不同类型的图表和常用功能。

1. 折线图（Line Plot）

折线图用于显示数据随时间或其他连续变量的变化趋势。

import matplotlib.pyplot as plt  
import numpy as np  
  
# 创建数据  
x = np.linspace(0, 10, 100)  # 生成0到10之间的100个数据点  
y = np.sin(x)  # 计算正弦值  
  
# 绘制折线图  
plt.figure(figsize=(10, 6))  # 设置图表大小  
plt.plot(x, y, label='sin(x)', color='blue', linestyle='-', linewidth=2)  
  
# 添加标题和轴标签  
plt.title('Sin Function')  
plt.xlabel('X-axis')  
plt.ylabel('Y-axis')  
  
# 添加图例  
plt.legend()  
  
# 显示图表  
plt.show()

2. 散点图（Scatter Plot）

散点图用于显示两个变量之间的关系，通常用于观察数据的分布、异常值或类别之间的关系。

import matplotlib.pyplot as plt  
import numpy as np  
  
# 创建数据  
np.random.seed(0)  
n_points = 200  
x = np.random.rand(n_points)  
y = np.random.rand(n_points)  
  
# 绘制散点图  
plt.figure(figsize=(10, 6))  
plt.scatter(x, y, alpha=0.7, cmap='viridis')  # 使用颜色映射  
  
# 添加标题和轴标签  
plt.title('Random Scatter Plot')  
plt.xlabel('X-axis')  
plt.ylabel('Y-axis')  
  
# 显示图表  
plt.show()

3. 直方图（Histogram）

直方图用于显示数据的分布情况，特别适用于展示数值型数据的频率分布。

import matplotlib.pyplot as plt  
import numpy as np  
  
# 创建数据  
data = np.random.normal(0, 1, 1000)  # 生成1000个正态分布数据  
  
# 绘制直方图  
plt.figure(figsize=(10, 6))  
plt.hist(data, bins=30, color='blue', alpha=0.7, edgecolor='black')  
  
# 添加标题和轴标签  
plt.title('Histogram of Normal Distribution')  
plt.xlabel('Value')  
plt.ylabel('Frequency')  
  
# 显示图表  
plt.show()

4. 条形图（Bar Plot）

条形图用于比较不同类别之间的数据，例如不同产品的销售量或不同类别的统计数据。

import matplotlib.pyplot as plt  
  
# 创建数据  
categories = ['A', 'B', 'C', 'D']  
values = [10, 15, 7, 12]  
  
# 绘制条形图  
plt.figure(figsize=(10, 6))  
plt.bar(categories, values, color='skyblue')  
  
# 添加标题和轴标签  
plt.title('Bar Chart')  
plt.xlabel('Category')  
plt.ylabel('Value')  
  
# 显示图表  
plt.show()

5. 自定义图表样式

Matplotlib允许用户自定义图表的样式，包括颜色、线型、标记、标题、轴标签、图例等。

import matplotlib.pyplot as plt  
import numpy as np  
  
# 创建数据  
x = np.linspace(0, 10, 100)  
y1 = np.sin(x)  
y2 = np.cos(x)  
  
# 绘制图表并自定义样式  
plt.figure(figsize=(10, 6))  
plt.plot(x, y1, label='sin(x)', color='red', linestyle='--', linewidth=2)  
plt.plot(x, y2, label='cos(x)', color='green', linestyle='-.', linewidth=2)  
  
# 添加标题和轴标签  
plt.title('Custom Line Plot')  
plt.xlabel('X-axis')  
plt.ylabel('Y-axis')  
  
# 添加图例  
plt.legend()  
  
# 自定义坐标轴范围  
plt.xlim(0, 10)  
plt.ylim(-1.5, 1.5)  
  
# 显示图表  
plt.show()

以上示例展示了Matplotlib在Python数据分析中的基本用法，包括绘制折线图、散点图、直方图和条形图，并介绍了如何自定义图表的样式。通过这些示例，你可以了解到Matplotlib的强大功能和灵活性，以及如何利用它来生成高质量的数据可视化图表。