Python数据可视化工具 Matplotlib 全面解析与应用
在数据科学和软件开发的日常工作中,数据可视化是必不可少的一个环节。它不仅帮助我们更直观地理解数据,还能为报告、决策和技术沟通提供强有力的支持。在 Python 生态系统中,Matplotlib 是最受欢迎且广泛应用的 2D 绘图库之一。
上一篇已经介绍简单的散点、折线等简单图像绘制,本篇从简单到复杂的图表,包括折线图、条形图、散点图、直方图、饼状图、箱线图等多种形式的图表。本篇文章将全面介绍 Matplotlib 的基本用法、常见绘图场景及其进阶功能。
一、条形图:数据对比的利器
1.条形图的基本绘制
条形图用于展示不同类别之间的数据对比。Matplotlib 提供了 bar() 和 barh() 函数,分别用于绘制垂直和水平条形图。以下是一个简单的垂直条形图示例:
import matplotlib.pyplot as plt
years = [2020, 2025, 2030, 2035]
sales = [1000, 3000, 4000, 5000]
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.bar(years, sales, width=3, color='skyblue')
plt.xlabel('年份')
plt.ylabel('销量')
plt.title('不同年份的销售对比')
plt.show()
2. 水平条形图的绘制
在某些情况下,水平条形图可以更好地展示数据,如类别较多时。以下是水平条形图的代码:
import matplotlib.pyplot as plt
years = [2020, 2025, 2030, 2035]
sales = [12000, 11000, 30000, 32000]
plt.barh(years, sales, height=3, color='lightgreen')
plt.ylabel('年份')
plt.xlabel('销量')
plt.title('四年内的销量情况')
y_ticks = [f'{
i}年' for i in years]
plt.yticks(years,y_ticks)
plt.show()
3. 条形图的进阶操作:带误差条和颜色设置
import matplotlib.pyplot as plt
mean_values = [1, 2, 3]
variance = [0.2, 0.4, 0.5]
x_pos = list(range(len(mean_values)))
plt.bar(x_pos, mean_values, yerr=variance, alpha=0.7, color='orange')
plt.xticks(x_pos, ['bar1',