Python中Matplotlib库的使用（三）—— Matplotlib绘制图的常用类型

Matplotlib绘制图的常用类型

plot(x,y)

plot(x, y)函数用于绘制折线图。折线图是一种用来展示连续数据之间关系的图表类型，适用于表示数据随着一个或多个变量的变化而变化的情况。

具体来说，plot(x, y)函数接受两个参数：

• x：表示X轴上的数据点的值，通常是一个数组或列表，表示自变量的取值。
• y：表示Y轴上的数据点的值，也是一个数组或列表，表示因变量随自变量变化的取值。

折线图会将这些数据点连接起来，形成一条或多条线，以展示数据的趋势或变化情况。以下是一些常见的折线图样式及其特点：

1. 单条折线图：用于表示单一变量的变化趋势。可以通过添加数据标记点来强调关键数据点。
2. 多条折线图：可以在同一张图上绘制多条折线，用于比较多个变量之间的趋势。每条折线可以使用不同的颜色或线型进行区分。
3. 带标记点的折线图：通过在折线上添加标记点，可以更清晰地表示数据的取值，尤其在数据变化明显的位置。
4. 平滑曲线折线图：使用平滑曲线（如样条曲线或平滑的多项式拟合曲线）来连接数据点，以平滑显示数据的变化趋势，避免过多的波动。
5. 面积图折线图：可以通过在折线下方填充颜色，展示数据随时间的累积变化。常用于表示累积数据，如总收入或总销量。
6. 双坐标轴折线图：在同一张图上绘制两条折线，分别使用左右两个不同的Y轴刻度，用于表示不同量纲或变化幅度较大的数据。

例如：

import matplotlib.pyplot as plt
import numpy as np
plt.style.use('_mpl-gallery')
# 生成数据
x = np.linspace(0, 10, 100)
y = 4 + 2 * np.sin(2 * x)

# plot
fig, ax = plt.subplots()

ax.plot(x, y, linewidth=2.0)

ax.set(xlim=(0, 8), xticks=np.arange(1, 8),
       ylim=(0, 8), yticks=np.arange(1, 8))
plt.show()

scatter(x, y)

scatter(x, y)函数用于绘制散点图。散点图是一种用于展示两个变量之间关系的图表类型，每个数据点由两个数值（X轴和Y轴上的值）表示，以点的形式在图表上进行表示。

scatter(x, y)函数接受两个参数：

• x：表示X轴上的数据点的值，通常是一个数组或列表，表示自变量的取值。
• y：表示Y轴上的数据点的值，也是一个数组或列表，表示因变量的取值。

散点图通过在坐标系中放置单个数据点来展示两个变量之间的关系。以下是一些散点图的特点和用途：

1. 相关性检测：通过绘制散点图，可以观察两个变量之间的关系，判断它们之间是否存在线性相关性、正相关还是负相关。
2. 分布情况：散点图可以用来展示数据的分布情况，特别是在两个维度上都有变化的情况下。
3. 聚类分析：当数据点在图上聚集成群时，散点图可以帮助识别是否存在多个聚类或群集。
4. 异常值识别：通过观察散点图，可以识别出位于数据集中的异常值或离群点。
5. 多变量关系：散点图也可以用于展示多个变量之间的关系，通过使用不同的颜色、大小或形状来表示不同的变量。

比如生成一个显示汽车速度与制动距离关系的散点图，其中每个数据点表示一个速度-制动距离的对应关系：

import matplotlib.pyplot as plt
# 设置全局字体为支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定微软雅黑或其他中文字体

# 示例数据：汽车速度与制动距离的关系
speed = [4, 7, 11, 15, 18, 20, 22, 24, 26, 29]
brake_distance = [2, 4, 7, 10, 12, 15, 18, 22, 25, 28]

# 创建散点图
plt.figure(figsize=(8, 6))  # 设置图像大小
plt.scatter(speed, brake_distance, color='blue', marker='o', label='数据点')  # 绘制散点图
plt.title('汽车速度与制动距离关系')  # 添加标题
plt.xlabel('速度 (mph)')  # 添加X轴标签
plt.ylabel('制动距离 (ft)')  # 添加Y轴标签
plt.legend()  # 显示图例
plt.grid(True)  # 添加网格线
plt.show()  # 显示图像

在使用scatter(x, y)函数时，还可以通过设置参数来定制散点图的外观，如点的大小、颜色、标记形状等，以便更好地传达数据的信息。

例如生成一个具有随机数据点、自定义样式和点大小、颜色的散点图：

import matplotlib.pyplot as plt
import numpy as np
# 创建数据
np.random.seed(3)
x = 4 + np.random.normal(0, 2, 24)  # 生成24个随机数，以4为中心，标准差为2
y = 4 + np.random.normal(0, 2, len(x))  # 生成与x相同数量的随机数，以4为中心，标准差为2
# 设置点的大小和颜色
sizes = np.random.uniform(15, 80, len(x))  # 生成在15和80之间的随机数作为点的大小
colors = np.random.uniform(15, 80, len(x))  # 生成在15和80之间的随机数作为颜色

# 绘制散点图
fig, ax = plt.subplots()  # 创建一个图像和坐标轴的组合
ax.scatter(x, y, s=sizes, c=colors, vmin=0, vmax=100)  # 绘制散点图，设置点的大小和颜色的范围

# 设置坐标轴范围和刻度
ax.set(xlim=(0, 8), xticks=np.arange(1, 8),
       ylim=(0, 8), yticks=np.arange(1, 8))

plt.show()  # 显示图像

bar(x, height)

bar(x, height)函数用于绘制条形图（柱状图）。条形图是一种常用的数据可视化方式，用于展示不同类别或组之间的比较。每个条形的高度表示与该类别或组相关联的数值。

bar(x, height)函数接受两个主要参数：

• x：表示条形的位置，通常是一个数组或列表，表示每个条形的位置。
• height：表示每个条形的高度，也是一个数组或列表，表示每个条形的数值。

以下是一些关于bar(x, height)函数的特点和用途：

1. 分类比较