Matplotlib：Python数据可视化的全面指南_python matplotlib显示y值(3)

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

数据可视化是数据分析的一个重要方面，可以帮助我们有效地传达数据中的洞察和模式。Python提供了几个用于数据可视化的库，其中最突出和广泛使用的是Matplotlib。在本文中，我们将探索Matplotlib的基本概念和功能，并学习如何创建各种类型的图表和图形。

1. 安装Matplotlib

在深入了解Matplotlib之前，我们需要确保已正确安装它。我们可以使用pip包管理器通过在终端或命令提示符中执行以下命令来安装Matplotlib：

pip install matplotlib

安装完成后，我们可以将Matplotlib导入到Python脚本中，并开始创建可视化。

2. 开始使用Matplotlib

为了演示Matplotlib的基本用法，让我们创建一个简单的折线图。考虑以下示例：

import matplotlib.pyplot as plt

# 定义x和y坐标
x = [1, 2, 3, 4, 5]
y = [2, 4, 5, 6, 8]

# 创建一个折线图
plt.plot(x, y)

# 添加标题和轴标签
plt.title('我的折线图')
plt.xlabel('x')
plt.ylabel('y')

# 显示图形
plt.show()

在上面的代码中，我们首先从Matplotlib库中导入pyplot模块，并将其命名为plt。我们将x和y坐标定义为列表。然后，我们使用plot函数通过将x和y坐标作为参数来创建折线图。最后，我们使用title、xlabel和ylabel函数添加标题和轴标签。show函数用于显示图形。

3. 自定义图形

Matplotlib提供了许多自定义选项，用于创建视觉吸引力强且信息丰富的图形。让我们探索一些常见的自定义技术。

3.1. 线条样式和颜色

我们可以通过向plot函数指定额外的参数来修改图形的线条样式和颜色。例如，考虑以下代码：

# 创建一个用虚线表示的红色线条的折线图
plt.plot(x, y, linestyle='--', color='red')

在上面的代码中，我们传递linestyle='--'来创建一个虚线，传递color='red'来将线条的颜色设置为红色。Matplotlib支持各种线条样式，包括实线、虚线、点线等。同样，我们可以选择各种颜色，或使用标准的颜色名称或代码。

3.2. 标记样式

标记用于突出显示图形中的单个数据点。Matplotlib提供了各种标记样式，如圆圈、正方形、三角形等。我们可以通过将marker参数传递给plot函数来自定义标记样式。下面是一个示例：

# 创建一个带有圆形标记的折线图
plt.plot(x, y, marker='o')

在上面的代码中，我们传递marker='o'来在每个数据点处创建圆形标记。

3.3. 添加网格线

网格线有助于改善图形的可读性。我们可以使用grid函数向图形添加网格线。以下是示例：

# 向图形添加网格线
plt.grid(True)

在上面的代码中，我们简单地调用grid函数，并将参数设置为True以启用网格线。

4. 多个图形和子图

Matplotlib允许我们在一个图形中创建多个图形，或者使用子图在网格状结构中排列图形。

4.1. 多个图形

要创建多个图形，我们可以在显示图形之前多次调用plot函数。以下是一个示例：

# 在单个图形中创建两个折线图
plt.plot(x, y)
plt.plot(x, [4, 5, 3, 7, 2])

# 显示图形
plt.show()

在上面的代码中，我们调用plot函数两次来创建两个折线图。两个图形将显示在同一个图形中。

4.2. 子图

子图允许我们在网格状结构中排列多个图形。我们可以使用subplot函数创建子图，并指定行数、列数和当前子图的索引。考虑以下示例：

# 创建一个2x2的子图网格
plt.subplot(2, 2, 1)
plt.plot(x, y)

plt.subplot(2, 2, 2)
plt.plot(x, [4, 5, 3, 7, 2])

plt.subplot(2, 2, 3)
plt.plot(x, [3, 2, 6, 8, 1])



现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。



分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

![](https://img-blog.csdnimg.cn/img_convert/21b2604bd33c4b6713f686ddd3fe5aff.png)




**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。**

**需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）**
![img](https://img-blog.csdnimg.cn/img_convert/fa50d45b876cc9018084ea8203efe7b0.png)

**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！**
系统化的资料的朋友，可以添加V获取：vip1024c （备注python）**
[外链图片转存中...(img-9JDBmY6J-1713324840102)]

**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！**