Matplotlib Mastery: 从基础到高级的数据可视化指南【第30篇—python：数据可视化】

文章目录

    • Matplotlib: 强大的数据可视化工具
      • 1. 基础
        • 1.1 安装Matplotlib
        • 1.2 创建第一个简单的图表
        • 1.3 图表的基本组件：标题、轴标签、图例
      • 2. 常见图表类型
        • 2.1 折线图
        • 2.2 散点图
        • 2.3 条形图
        • 2.4 直方图
      • 3. 图表样式与定制
        • 3.1 颜色、线型、标记的定制
        • 3.2 背景样式与颜色映射
        • 3.3 添加注释与文本
      • 4. 多图表和子图
        • 4.1 创建多个图表
        • 4.2 子图的布局与排列
      • 5. 三维图表
        • 5.1 3D散点图与线图
        • 5.2 3D表面图与曲面图
      • 6. 实际案例：数据可视化项目
      • 7. 高级图表定制
        • 7.1 动画效果
        • 7.2 极坐标图
        • 7.3 自定义颜色映射
      • 8. 高级子图和布局
        • 8.1 网格子图
        • 8.2 非矩形子图
      • 9. 绘制地图和地理数据
      • 结语

Matplotlib: 强大的数据可视化工具

Matplotlib是一个功能强大的数据可视化库，为数据科学家提供了丰富的工具和功能，可以以直观的方式呈现数据。

1. 基础

1.1 安装Matplotlib

在使用Matplotlib之前，请确保已经安装了Matplotlib库。可以使用以下命令进行安装：

pip install matplotlib
1.2 创建第一个简单的图表

安装好Matplotlib后，让我们来创建一个简单的折线图。以下是一个基本的示例：

import matplotlib.pyplot as plt

# 数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 创建折线图
plt.plot(x, y)

# 显示图表
plt.show()

通过运行这段代码，我们可以得到一个简单的折线图，其中横轴为x，纵轴为y。

1.3 图表的基本组件：标题、轴标签、图例

在Matplotlib中，我们可以添加图表的基本组件，以提高图表的可读性。以下是一些基本组件的添加示例：

# 添加标题
plt.title('My First Matplotlib Plot')

# 添加轴标签
plt.xlabel('X-axis Label')
plt.ylabel('Y-axis Label')

# 添加图例
plt.legend(['Line A'])

# 显示图表
plt.show()

通过添加标题、轴标签和图例，我们可以使图表更加清晰明了。
在这里插入图片描述

2. 常见图表类型

在数据可视化中，Matplotlib提供了多种图表类型，以满足不同数据展示需求。以下是几种常见的图表类型及其应用：

2.1 折线图

折线图适用于展示数据随时间变化的趋势或比较不同组的趋势。以下是一个折线图的示例：

# 数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 创建折线图
plt.plot(x, y)

# 显示图表
plt.show()
2.2 散点图

散点图适用于观察两个变量之间的关系或发现数据中的聚类或趋势。以下是一个散点图的示例：

# 数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 创建散点图
plt.scatter(x, y)

# 显示图表
plt.show()
2.3 条形图

条形图适用于比较不同类别的数据或显示类别之间的数量差异。以下是一个条形图的示例：

# 数据
categories = ['A', 'B', 'C', 'D']
values = [10, 15, 7, 12]

# 创建条形图
plt.bar(categories, values)

# 显示图表
plt.show()
2.4 直方图

直方图适用于展示数据的分布或显示数据的频率。以下是一个直方图的示例：

# 数据
data = [2, 3, 3, 4, 4, 4, 5, 5, 6, 6, 6, 6, 7, 7, 8]

# 创建直方图
plt.hist(data, bins=5)

# 显示图表
plt.show()

通过使用这些常见的图表类型，我们可以更好地理解和传达数据的特征、关系和分布。

3. 图表样式与定制

Matplotlib允许通过定制颜色、线型、标记等来创建个性化的图表。以下是一些图表样式与定制的示例：

3.1 颜色、线型、标记的定制

在这里插入图片描述

# 数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 定制颜色、线型、标记
plt.plot(x, y, color='green', linestyle='--', marker='o', label='Line A')

# 添加图例
plt.legend()

# 显示图表
plt.show()
3.2 背景样式与颜色映射
# 数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 定制背景样式与颜色映射
plt.plot(x, y, color='blue')

# 设定背景颜色
plt.axes().set_facecolor('lightgray')

# 显示图表
plt.show()
3.3 添加注释与文本
# 数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 添加注释与文本
plt.plot(x, y, label='Line A')
plt.annotate('Max Value', xy=(5, 10), xytext=(4.5, 8),
             arrowprops=dict(facecolor='red', shrink=0.05))
plt.text(1, 2, 'Start Point', fontsize=10, color='blue')

# 添加图例
plt.legend()

# 显示图表
plt.show()

通过这些定制，我们可以使图表更符合审美和需求。

4. 多图表和子图

在Matplotlib中，我们可以创建包含多个子图的图表，以更灵活地展示数据或进行比较。以下是创建多个图表和子图的示例：

4.1 创建多个图表
# 数据
x = [1, 2, 3, 4, 5]
y1 = [2, 4, 6, 8, 10]
y2 = [1, 2, 1, 2, 1]

# 创建第一个图表
plt.figure(1)
plt.plot(x, y1, label='Line A')
plt.title('First Chart')

# 创建第二个图表
plt.figure(2)
plt.plot(x, y2, label='Line B')
plt.title('Second Chart')

# 显示图表
plt.show()
4.2 子图的布局与排列
# 数据
x = [1, 2, 3, 4, 5]
y1 = [2, 4, 6, 8, 10]
y2 = [1, 2, 1, 2, 1]

# 创建一个包含两个子图的图表
plt.figure(figsize=(10, 4))

# 子图1
plt.subplot(1, 2, 1)
plt.plot(x, y1, label='Line A')
plt.title('Subplot 1')

# 子图2
plt.subplot(1, 2, 2)
plt.plot(x, y2, label='Line B')
plt.title('Subplot 2')

# 调整子图之间的间距
plt.tight_layout()

# 显示图表
plt.show()

通过plt.subplot方法，我们可以在一个图表中创建多个子图，并通过指定行数和列数来排列它们。

5. 三维图表

Matplotlib还提供了创建各种三维图表的功能，包括3D散点图、3D线图、3D表面图等。以下是几个示例：
在这里插入图片描述

5.1 3D散点图与线图
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

# 生成随机数据
n = 100
x = np.random.rand(n)
y = np.random.rand(n)
z = np.random.rand(n)

# 创建3D散点图
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(x, y, z, c='r', marker='o', label='Scatter Points')

# 创建3D线图
ax.plot(x, y, z, c='b', label='Line')

# 添加标签
ax.set_xlabel('X Axis')
ax.set_ylabel('Y Axis')
ax.set_zlabel('Z Axis')

# 添加图例
ax.legend()

# 显示图表
plt.show()
5.2 3D表面图与曲面图
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

# 生成网格数据
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))

# 创建3D表面图
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(x, y, z, cmap='viridis')

# 添加标签
ax.set_xlabel('X Axis')
ax.set_ylabel('Y Axis')
ax.set_zlabel('Z Axis')

# 显示图表
plt.show()

通过使用mpl_toolkits.mplot3d中的Axes3D，我们可以在Matplotlib中创建三维图表。
在这里插入图片描述

6. 实际案例：数据可视化项目

让我们应用Matplotlib处理一个真实数据集，创建一个独特而有说服力的数据可视化。假设我们有一份包含城市气温和湿度的数据集，我们将通过Matplotlib创建一个多图表的可视化项目：

import matplotlib.pyplot as plt
import numpy as np

# 模拟真实数据集
cities = ['City A', 'City B', 'City C']
temperature = [28, 32, 25]
humidity = [60, 45, 75]

# 创建多图表
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

# 子图1：气温条形图
ax1.bar(cities, temperature, color=['red', 'blue', 'green'])
ax1.set_title('Temperature in Cities')
ax1.set_ylabel('Temperature (°C)')

# 子图2：湿度饼图
ax2.pie(humidity, labels=cities, autopct='%1.1f%%', colors=['gold', 'lightcoral', 'lightskyblue'])
ax2.set_title('Humidity in Cities')

# 调整布局
plt.tight_layout()

# 显示图表
plt.show()

通过这个实际案例，我们展示了如何使用Matplotlib处理真实数据，创建有说服力的多图表可视化项目。

7. 高级图表定制

Matplotlib提供了丰富的定制选项，使得你能够创造出独特而引人注目的图表。以下是一些高级图表定制的示例：

7.1 动画效果

Matplotlib允许你创建动画效果，以展示随时间变化的数据。以下是一个简单的动画效果示例：

import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
import numpy as np

# 数据
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

# 初始化图表
fig, ax = plt.subplots()
line, = ax.plot(x, y)

# 更新函数
def update(frame):
    line.set_ydata(np.sin(x + frame/10))
    return line,

# 创建动画
ani = FuncAnimation(fig, update, frames=range(100), interval=50)

# 显示动画
plt.show()

这个例子展示了如何使用Matplotlib创建一个简单的正弦波动画。

7.2 极坐标图

Matplotlib支持极坐标图表，适用于展示循环或周期性数据。以下是一个极坐标图的示例：

import matplotlib.pyplot as plt
import numpy as np

# 数据
theta = np.linspace(0, 2*np.pi, 100)
r = theta

# 创建极坐标图
plt.polar(theta, r)

# 显示图表
plt.show()

极坐标图使得展示周期性数据更加直观。

7.3 自定义颜色映射

Matplotlib允许你通过自定义颜色映射，为图表添加更多的信息。以下是一个自定义颜色映射的示例：

import matplotlib.pyplot as plt
import numpy as np

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

# 自定义颜色映射
colors = np.linspace(0, 1, len(x))

# 创建图表
plt.scatter(x, y, c=colors, cmap='viridis')

# 添加颜色条
plt.colorbar()

# 显示图表
plt.show()

通过颜色映射，我们可以在图表中加入更多维度的信息。

8. 高级子图和布局

Matplotlib允许你更灵活地处理子图和布局，以满足复杂的展示需求。以下是一些高级子图和布局的示例：

8.1 网格子图

Matplotlib中的gridspec模块允许你创建更复杂的子图布局。以下是一个网格子图的示例：

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import numpy as np

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

# 创建网格子图
fig = plt.figure(figsize=(8, 6))
gs = gridspec.GridSpec(2, 2, width_ratios=[1, 2], height_ratios=[2, 1])

# 子图1
ax0 = plt.subplot(gs[0])
ax0.plot(x, y1)
ax0.set_title('Subplot 1')

# 子图2
ax1 = plt.subplot(gs[1])
ax1.plot(x, y2)
ax1.set_title('Subplot 2')

# 子图3
ax2 = plt.subplot(gs[2])
ax2.plot(x, y1)
ax2.set_title('Subplot 3')

# 子图4
ax3 = plt.subplot(gs[3])
ax3.plot(x, y2)
ax3.set_title('Subplot 4')

# 调整布局
plt.tight_layout()

# 显示图表
plt.show()

通过gridspec，我们可以精确控制每个子图的位置和大小。

8.2 非矩形子图

Matplotlib支持创建非矩形形状的子图，以适应特

殊需求。以下是一个非矩形子图的示例：

import matplotlib.pyplot as plt
import matplotlib.patches as patches
import numpy as np

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

# 创建图表
fig, ax = plt.subplots()

# 创建非矩形子图
rect = patches.Rectangle((2, -0.5), 5, 1, linewidth=1, edgecolor='r', facecolor='none')
ax.add_patch(rect)

# 绘制曲线
ax.plot(x, y)

# 显示图表
plt.show()

通过matplotlib.patches，我们可以添加非矩形的子图，使得图表更具创意。

9. 绘制地图和地理数据

Matplotlib也支持绘制地图和处理地理数据。以下是一个简单的地图绘制示例：

import matplotlib.pyplot as plt
import geopandas as gpd

# 读取地理数据
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 创建地图
world.plot()

# 显示地图
plt.show()

通过结合Matplotlib和geopandas，我们可以方便地绘制地图和处理地理数据。

结语

Matplotlib作为Python中最流行的数据可视化库之一，提供了丰富的功能和灵活的定制选项。通过学习这些高级功能和技巧，你可以更好地运用Matplotlib，创造出更具表现力和复杂性的数据可视化作品。希望这篇文章能够帮助你更深入地了解Matplotlib，并在数据科学和可视化领域取得更大的成就。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/336322.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

Linux——进程等待

Linux——进程等待

📘北尘_：个人主页 🌎个人专栏:《Linux操作系统》《经典算法试题 》《C》 《数据结构与算法》 ☀️走在路上，不忘来时的初心 文章目录 一、为什么要进程等待二、进程等待的方法1、wait方法2、waitpid方法 三、获取子进程status 一…
阅读更多...
2008年苏州大学837复试机试C语言

2008年苏州大学837复试机试C语言

2008年苏州大学复试机试C 题目 编写程序充成以下功能: 一、从键盘上输入随机变量x的 10个取样点。X0，X1—X9 的值; 1、计算样本平均值 2、判定x是否为等差数列 3、用以下公式计算z的值(t0.63) 注。请对程序中必要地方进行注释 补充：个人觉得这个题目回…
阅读更多...
【51单片机】矩阵按键

【51单片机】矩阵按键

0、前言 参考&#xff1a;普中 51 单片机开发攻略 1、硬件 2、软件 main.c #include <reg52.h> #include <intrins.h> #include "delayms.h"typedef unsigned int u16; //对数据类型进行声明定义 typedef unsigned char u8; #define GPIO_KEY P1 #d…
阅读更多...
leetcode:每日温度---单调栈

leetcode:每日温度---单调栈

题目&#xff1a; 给定一个整数数组 temperatures &#xff0c;表示每天的温度&#xff0c;返回一个数组 answer &#xff0c;其中 answer[i] 是指对于第 i 天&#xff0c;下一个更高温度出现在几天后。如果气温在这之后都不会升高&#xff0c;请在该位置用 0 来代替。 示例&…
阅读更多...
浪花 - 用户信息展示＋更新

浪花 - 用户信息展示＋更新

1. 用户登录获取登录凭证 已登录的用户才能获取个人信息发送 Aixos 请求登录 const user ref();onMounted(async () > {const res await myAxios.get(/user/current);if (res.code 0) {console.log("获取用户信息成功");user.value res.data;} else {consol…
阅读更多...
python_selenium自动化测试框架

python_selenium自动化测试框架

设计思路 本文整理归纳以往的工作中用到的东西&#xff0c;现汇总成基础测试框架提供分享。 框架采用python3 selenium3 PO yaml ddt unittest等技术编写成基础测试框架&#xff0c;能适应日常测试工作需要。 1、使用Page Object模式将页面定位和业务操作分开&#xff0…
阅读更多...
自然语言处理（Natural Language Processing，NLP）解密

自然语言处理（Natural Language Processing，NLP）解密

专栏集锦&#xff0c;大佬们可以收藏以备不时之需&#xff1a; Spring Cloud 专栏&#xff1a;http://t.csdnimg.cn/WDmJ9 Python 专栏&#xff1a;http://t.csdnimg.cn/hMwPR Redis 专栏&#xff1a;http://t.csdnimg.cn/Qq0Xc TensorFlow 专栏&#xff1a;http://t.csdni…
阅读更多...
多维表格产品vika多维表、Flowus、Wolai体验记录

多维表格产品vika多维表、Flowus、Wolai体验记录

昨天从下午6点肝到凌晨2点多体验低代码平台多维表格产品&#xff0c;体验了3个国内产品&#xff0c;vika多维表、Flowus、Wolai。 具有多维表格新型关系数据库的鼻祖是 Airtable&#xff0c;国内模仿产品有vika多维表、飞书多维表格等。 还有一种类型就是以在国内鼎鼎大名的N…
阅读更多...
流式湖仓增强，Hologres + Flink构建企业级实时数仓

流式湖仓增强，Hologres + Flink构建企业级实时数仓

云布道师 2023 年 12 月&#xff0c;由阿里云主办的实时计算闭门会在北京举行&#xff0c;阿里云实时数仓Hologres 研发负责人姜伟华现场分享 HologresFlink 构建的企业级实时数仓&#xff0c;实现全链路的数据实时计算、实时写入、实时更新、实时查询。同时&#xff0c;随着流…
阅读更多...
实验七 RMAN恢复管理器

实验七 RMAN恢复管理器

&#x1f57a;作者&#xff1a; 主页 我的专栏C语言从0到1探秘C数据结构从0到1探秘Linux &#x1f618;欢迎关注&#xff1a;&#x1f44d;点赞&#x1f64c;收藏✍️留言 &#x1f3c7;码字不易&#xff0c;你的&#x1f44d;点赞&#x1f64c;收藏❤️关注对我真的很重要&…
阅读更多...
Python笔记10-数据可视化练习折线图

Python笔记10-数据可视化练习折线图

文章目录 JSON数据Python数据和Json数据的相互转化pyecharts模块构建折线图全局配置绘制疫情数据折线图 JSON数据 JSON是一种轻量级的数据交互格式。可以按照JSON指定的格式去组织和封装数据 。本质上是一个带有特定格式的字符串 主要功能&#xff1a;可以在各个编程语言中流通…
阅读更多...
JumpServer 堡垒机安装指南

JumpServer 堡垒机安装指南

介绍 什么是JumpServer JumpServer 是广受欢迎的开源堡垒机&#xff0c;是符合 4A 规范的专业运维安全审计系统。JumpServer 帮助企业以更安全的方式管控和登录所有类型的资产&#xff0c;包括&#xff1a; SSH (Linux / Unix / 网络设备 等)Windows (Web 方式连接 / 原生 R…
阅读更多...
Wpf 使用 Prism 实战开发Day13

Wpf 使用 Prism 实战开发Day13

配置 AutoMapper 关系映射 在上一节 ToDoController 控制器&#xff0c;或 IToDoService 服务接口中&#xff0c;方法的传参都是直接传的实体类。但在实际开发过程中&#xff0c;这样是不允许的。标准且规范的做法是&#xff0c;定义一个数据传输层&#xff0c;即Dto层。 一.在…
阅读更多...
forEach如何跳出或中断循环

forEach如何跳出或中断循环

文章目录 概要使用try...catch抛出错误设置数组长度为0使用splice删除数组的元素 概要 在Javascript中&#xff0c;我们使用forEach遍历循环的时候&#xff0c;往往会面临跳出循环和中断循环&#xff0c;我们可以采取以下几种方式&#xff1a; 使用try…catch抛出错误 const …
阅读更多...
智能音箱喇叭杂音问题

智能音箱喇叭杂音问题

智能音箱喇叭杂音问题 智能音箱生厂或出货过程会遇到多种喇叭播放有杂音的问题&#xff0e; 螺丝不匹配 智能音箱设备在生产过程&#xff0c;会有SPL测试喇叭失真&#xff0c;发现不良率8%的杂音问题&#xff0e; 分析原因是来料导入了新螺丝&#xff0c; 使用过程进入异物…
阅读更多...
GO 中如何防止 goroutine 泄露

GO 中如何防止 goroutine 泄露

文章目录 概述如何监控泄露一个简单的例子泄露情况分类chanel 引起的泄露发送不接收接收不发送nil channel真实的场景 传统同步机制MutexWaitGroup 总结参考资料 今天来简单谈谈&#xff0c;Go 如何防止 goroutine 泄露。 概述 Go 的并发模型与其他语言不同&#xff0c;虽说它…
阅读更多...
配置redis挂载

配置redis挂载

1. 暂停和删除redis 2.创建文件夹 /usr/local/software/redis/6379/conf/ /usr/local/software/redis/6379/data/ 把redis-conf文件上传到conf文件夹中 3.配置网络 docker network create --driver bridge --subnet172.18.12.0/16 --gateway172.18.1.1 wn_docker_net 4.运…
阅读更多...
FaFu--练习复盘--1

FaFu--练习复盘--1

1、输出图形及二维数组应用 1.1.输出图形 描述 编写程序打印n行如下图形&#xff0c;其中1≤n≤500。 输入用例 7 输出用例 具体实现 #include"stdio.h" int main(){int n,i,j;scanf("%d",&n);for(i 1; i< n;…
阅读更多...
如何将PDF文件转换为Word格式？推荐PDF转换工具

如何将PDF文件转换为Word格式？推荐PDF转换工具

pdf转word格式可以帮助我们对文档的格式进行调整和排版&#xff0c;有时候&#xff0c;pdd文件的排版可能不符合我们的需求&#xff0c;或者需要进行一些样式和布局的调整。通过将PDF转word&#xff0c;我们可以轻松地修改字体、样式、段落间距等&#xff0c;使文档符合我们的要…
阅读更多...
logstack 日志技术栈-02-ELK 的缺点？loki 更轻量的解决方案？

logstack 日志技术栈-02-ELK 的缺点？loki 更轻量的解决方案？

ELK/EFK日志系统 如果今天谈论到要部署一套日志系统&#xff0c;相信用户首先会想到的就是经典的ELK架构&#xff0c;或者现在被称为Elastic Stack。 Elastic Stack架构为Elasticsearch Logstash Kibana Beats的组合&#xff0c;其中&#xff0c;Beats负责日志的采集&…
阅读更多...
最新文章

Copyright @ 2022~2023