数据可视化Matplotlib
安装
Matplotlib的安装：
1.pip install matplotlib
2.conda install matplotlib （清华源：https://pypi.tuna.tsinghua.edu.cn/simple）
Matplotlib的导入： import matplotlib.pyplot as plt
介绍
Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格 式。
基础绘图功能
plot() ：用于画图，它可以绘制点和线，语法格式如下： plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
x, y | 点或线的节点，x 为 x 轴数据，y 为 y 轴数据，数据可以列表或数组。 |
fmt | 可选，定义基本格式（如颜色、标记和线条样式）。 |
**kwargs | 可选，用在二维平面图上，设置指定属性，如标签，线的宽度等。 |
plot() ：用于画图，它可以绘制点和线。 · 绘制坐标 (1, 3) 到 (8, 10) 的线。
import matplotlib.pyplot as plt
import numpy as npxpoints = np.array([1, 8])
ypoints = np.array([3, 10])plt.plot(xpoints, ypoints)
plt.show()
关键参数：
marker：点标记样式（o圆点、s方块）
linestyle/ls：线型（-实线、--虚线）
color/c：颜色（名称/十六进制/RGB值）
linewidth/lw：线宽
如果我们不指定 x 轴上的点，则 x 会根据 y 的值来设置为 0, 1, 2, 3..N-1。
import matplotlib.pyplot as plt
import numpy as npypoints = np.array([3, 10])plt.plot(ypoints)
plt.show()练习
在同一张图中分别绘制正弦图和余弦图
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 创建数据点
x = np.linspace(0, 12, 1000) # 横坐标从0到12
y_sin = np.sin(x) # 正弦函数
y_cos = np.cos(x) # 余弦函数# 创建图形
plt.figure(figsize=(10, 6))# 绘制正弦曲线（蓝色）
plt.plot(x, y_sin, color='blue', linewidth=2, label='sin(x)')# 绘制余弦曲线（橙色）
plt.plot(x, y_cos, color='orange', linewidth=2, label='cos(x)')# 设置坐标轴范围和刻度
plt.xlim(0, 12)
plt.ylim(-1, 1)# 设置x轴刻度（0,2,4,6,8,10,12）
plt.xticks(np.arange(0, 13, 2))# 设置y轴刻度（-1.00到1.00，每0.25一个刻度）
plt.yticks(np.arange(-1.00, 1.25, 0.25))# 添加网格线
plt.grid(True, linestyle='--', alpha=0.7)# 添加图例
plt.legend(loc='upper right')# 添加坐标轴标签
plt.xlabel('x')
plt.ylabel('y')# 显示图形
plt.show()结果展示：
plot()中的 marker 参数：定义一些不一样的标记
总结基础图表类型：
图表类型 | 函数 | 关键参数 | 参数解释 |
|---|---|---|---|
折线图 |
|
| linestyle: 线条样式（'-'实线、'--'虚线、':'点线等） color: 线条颜色（名称如'red'、十六进制值如'#FF5733'） |
散点图 |
|
| c: 点的颜色（单一颜色或数组，用于数值映射） alpha: 透明度（0透明~1不透明） |
柱状图 |
|
| color: 柱子填充色（支持列表按柱子分配颜色） edgecolor: 柱子边框颜色（如'black'） |
水平柱状图 |
|
| align: 对齐方式（'center'居中、'edge'边缘对齐刻度） |
饼图 |
|
| explode: 区块分离距离（列表，如[0,0.1,0]突出第二块） shadow: 是否添加阴影（True/False） |
直方图 |
|
| density: 是否归一化为概率密度（True显示频率） stacked: 多数据是否堆叠（True堆叠显示） |
热力图 |
|
| interpolation: 像素插值方法（'nearest'锯齿、'bilinear'平滑） |
scatter()：绘制散点图
import matplotlib.pyplot as plt
import numpy as npx = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y, color = 'hotpink')x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y, color = '#88c999')plt.show()
bar()：绘制柱形图， 自定义各个柱形的颜色：
练习2
图表定制化总结
定制要素 | 函数/参数 | 配置示例 | 参数解释 |
|---|---|---|---|
坐标轴 |
|
| yticks(ticks, labels)：设置Y轴刻度位置（ticks为刻度值列表，labels为对应标签）。 |
网格 |
|
| axis：网格方向（'x'、'y'、'both'）。 linestyle：线型（如'--'虚线）。 alpha：透明度（0~1）。 |
标签 |
|
| fontsize：字体大小（单位：磅）。 labelpad：标签与坐标轴的距离（像素）。 pad（标题）：标题与图表顶部的间距。 |
图例 |
|
| title：图例标题文本。 bbox_to_anchor：自定义定位（元组坐标）。 ncol：图例列数（默认为1）。 |
布局 |
|
| w_pad/h_pad：子图间水平/垂直间距。 rect：调整后的矩形区域（[left, bottom, right, top]）。 |
子图 |
|
| index：子图位置索引（从1开始）。 projection：坐标系类型（如'polar'极坐标） |
pie()：绘制饼图
练习3
已知五年级三班的同学中，喜欢篮球的同学占20%，喜欢乒乓球的同学占30%，喜欢羽毛球的同学占20%，喜欢足球的同学占18%，喜欢排球的同学占12%。请你根据已知条件画出一个饼图，让所占比例看的更加清楚。
import matplotlib.pyplot as plt
import numpy as npy = np.array([20, 30, 20, 18, 12])plt.pie(y,labels=['篮球', '乒乓球', '羽毛球', '足球', '排球'], # 设置饼图标签colors=["#d5695d", "#5d8ca8", "#65a479", "#a564c9", "#e8c547"], # 补充第5种颜色explode=(0.1, 0.3, 0.1, 0, 0), # 修正中文逗号和长度autopct='%.2f%%',)plt.title("五年级三班球类运动喜好分布") # 优化标题描述
plt.show()
使用 hist() 函数绘制多个数据组的直方图
我们也可以结合 Pandas 来绘制直方图
imshow() 可以显示热力图
imshow() 创建了一个 4x4 的二维 numpy 数组，并对其进行了三种不同的 imshow 图像展示
