python中数据可视化库（Matplotlib）

Matplotlib 是 Python 中一个非常流行的绘图库，用于生成各种静态、动态、交互式的 2D 和 3D 图表，Matplotlib提供了丰富的绘图功能，包括线图、散点图、柱状图、饼图、等高线图等，且支持自定义图表的各种属性，如标题、坐标轴标签、图例等

安装 Matplotlib

pip install matplotlib

基本使用

在 Matplotlib 中，最常用的模块是 pyplot，通常通过别名 plt 来导入

import matplotlib.pyplot as plt

# 数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]

# 创建一个新的图表
plt.figure()

# 绘制折线图
plt.plot(x, y)

# 添加标题和坐标轴标签
plt.title("Simple Plot")
plt.xlabel("X Axis")
plt.ylabel("Y Axis")

#保存图标
plt.savefig('plot.png')

# 显示图表
plt.show()

绘图类型示例

散点图 (Scatter Plot)

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

plt.scatter(x, y)
plt.title("Scatter Plot")
plt.xlabel("X")
plt.ylabel("Y")
plt.grid(True)

#保存图标
plt.savefig('scatter_plot.png')
plt.show()

柱状图 (Bar Chart)

import matplotlib.pyplot as plt

categories = ['Category1', 'Category2', 'Category3', 'Category4']
values = [5, 7, 9, 11]

plt.bar(categories, values)
plt.title("Bar Chart")
plt.xlabel("Categories")
plt.ylabel("Values")

plt.savefig('bar_chart_plot.png')
plt.show()

饼图 (Pie Chart)

import matplotlib.pyplot as plt

labels = ['Label1', 'Label2', 'Label3', 'Label4']
sizes = [15, 30, 45, 10]

plt.pie(sizes, labels=labels, autopct='%1.1f%%')
plt.title("Pie Chart")

plt.savefig('pie_chart_plot.png')
plt.show()

直方图 (Histogram)

import matplotlib.pyplot as plt
import numpy as np

data = np.random.randn(1000)  # 生成1000个随机数

plt.hist(data, bins=30)  # bins 表示直方图的柱子数量
plt.title("Histogram")
plt.xlabel("Value")
plt.ylabel("Frequency")

plt.savefig('histogram_plot.png')
plt.show()

自定义图表样式

Matplotlib可自定义图表的各种样式，包括线条颜色、线型、标记样式等

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y, color='red', linestyle='--', marker='o', label='sin(x)')
plt.title("Custom Style Plot")
plt.xlabel("X")
plt.ylabel("Y")
plt.legend()  # 显示图例
plt.grid(True)  # 显示网格线

plt.savefig('custom_style_plot.png')
plt.show()

多面板图表 (Subplots)

Matplotlib 支持在一个窗口中绘制多个图表，可通过 subplots 函数来实现：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建一个 2x1 的子图网格，并获取第一个子图对象
fig, axs = plt.subplots(2, 1)
axs[0].plot(x, y1)
axs[0].set_title("sin(x)")
axs[1].plot(x, y2)
axs[1].set_title("cos(x)")
plt.tight_layout()  # 调整子图间距

plt.savefig('subplots_plot.png')
plt.show()

3D 图表

Matplotlib 也支持 3D 图表的绘制，需要使用 mplot3d 模块：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
x, y = np.meshgrid(x, y)
z = np.sin(np.sqrt(x**2 + y**2))

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(x, y, z, cmap='viridis')  # cmap 表示颜色映射
ax.set_title("3D Surface Plot")

plt.savefig('3D_plot.png')
plt.show()