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

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！

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])

plt.subplot(2, 2, 4)
plt.plot(x, [7, 2, 9, 4, 5])

# 显示子图
plt.show()

在上面的代码中，我们使用subplot函数创建一个2x2的子图网格。我们指定行数、列数和网格中每个子图的索引。然后，我们在每个子图中创建单独的图形。

5. 其他类型的图形

除了折线图，Matplotlib还支持各种其他类型的图形，包括散点图、条形图、饼图和直方图。让我们探索其中一些图形类型。

5.1. 散点图

散点图用于可视化两个连续变量之间的关系。我们可以使用scatter函数创建散点图。以下是一个示例：

# 创建一个散点图
plt.scatter(x, y)

# 显示图形
plt.show()

在上面的代码中，我们使用scatter函数通过将x和y坐标作为参数来创建散点图。

5.2. 条形图

条形图常用于比较不同类别或组之间的数据。我们可以使用bar函数创建条形图。考虑以下示例：

# 定义类别及其对应的值
categories = ['A', 'B', 'C', 'D', 'E']
values = [10, 15, 7, 12, 9]

# 创建一个条形图
plt.bar(categories, values)

# 显示图形
plt.show()

在上面的代码中，我们使用bar函数通过将类别标签和对应的值作为参数来创建条形图。

5.3. 饼图

饼图用于可视化数据集中不同类别的比例。我们可以使用pie函数创建饼图。以下是一个示例：

# 定义类别及其对应的比例
categories = ['A', 'B', 'C', 'D', 'E']
proportions = [20, 30, 15, 10, 25]

# 创建饼图
plt.pie(proportions, labels=categories)

# 显示图形
plt.show()

在上面的代码中，我们使用pie函数通过将比例和相应的类别标签作为参数来创建饼图。

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，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。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

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。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

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！