人工智能学习笔记 - 初级篇Ⅰ - Python基础 - 第11节- Matplotlib 基础

Matplotlib 是 Python 的一个绘图库，它提供了一个类似于 MATLAB 的绘图系统。使用 Matplotlib，我们可以生成各种静态、动态、交互式的图表。

plot 二维图

折线图是数据可视化中最基本的图表之一，用于展示数据随时间或其他连续变量变化的趋势。

import matplotlib.pyplot as plt
import numpy as np

# 生成数据：x 为0到10之间的100个点，y 为x的正弦值
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制折线图
plt.plot(x, y)
plt.title("正弦波")  # 图表标题
plt.xlabel("x")  # x轴标签
plt.ylabel("sin(x)")  # y轴标签
plt.grid(True)  # 显示网格
plt.show()  # 显示图表

plt.plot(x, np.sin(x), x, np.sin(2 * x));

使用字符串，给定特定线条参数

plt.plot(x, np.sin(x), 'r-^', x, np.sin(2 * x));

plt.plot(x, np.sin(x), 'r-^', x, np.sin(2 * x), 'b-o');

scatter 散点图

散点图用于展示两个变量之间的关系，每个点代表一个数据点的两个维度。

x = np.random.rand(100) # 生成随机数据
y = np.random.rand(100) # 生成随机数据
size = np.random.rand(100) * 30 # 点的大小
color = np.random.rand(100) # 颜色值
plt.scatter(x, y, size, color) # 绘制散点图
plt.colorbar() # 显示颜色条
plt.show()

多图

在一张图表中展示多个子图，可以更好地比较数据。

# 创建两个子图，上下排列
plt.subplot(2, 1, 1)  # (行数, 列数, 子图编号)
plt.plot(x, y, 'r--')  # 红色虚线
plt.title("pic_1")
plt.subplot(2, 1, 2)
plt.scatter(x, y, alpha=0.5)  # 半透明散点图
plt.title("pic_2")
plt.tight_layout()  # 调整子图间距
plt.show()

向图中添加数据

在图表中添加额外的数据点或标注，可以帮助解释数据。

plt.plot(x, y, label='sin(x)')
plt.scatter([np.pi/2], [1], color='red')  # 突出显示一个点
plt.text(np.pi/2, 1.05, 'sin(pi/2)', fontsize=9, ha='center')  # 在特定点旁添加文本
plt.legend()  # 显示图例
plt.show()

直方图

直方图用于展示数据的分布情况。

data = np.random.randn(1000)  # Generate normal distributed data

plt.hist(data, bins=30, alpha=0.5, color='steelblue', edgecolor='black')
plt.title("Histogram")
plt.xlabel("Value")
plt.ylabel("Frequency")
plt.show()

通过这些基本的示例，你可以开始使用 Matplotlib 来探索和展示你的数据了。随着你对 Matplotlib 的进一步学习，你将能够创建更复杂和美观的图表。

最后

欢迎关注我的微信公众号, 一起交流学习!!!