正文

揭秘Matplotlib：轻松掌握数据可视化50个实战案例

/0 浏览量
0305

引言

Matplotlib是一个强大的Python库，用于创建高质量的静态、交互式和动画可视化。它广泛应用于数据分析和科学计算领域，能够帮助用户将复杂的数据转化为直观的图表。本文将带您深入了解Matplotlib，并通过50个实战案例，让您轻松掌握数据可视化的技巧。

Matplotlib基础

1. 安装和导入

!pip install matplotlib
import matplotlib.pyplot as plt

2. 创建基本的图表

# 创建一个简单的折线图
plt.plot([1, 2, 3, 4, 5], [1, 4, 2, 3, 5])
plt.show()

3. 设置图表标题和标签

plt.title('折线图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.show()

实战案例

案例一：折线图

import matplotlib.pyplot as plt

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

# 创建图表
plt.plot(x, y)

# 设置标题和标签
plt.title('折线图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')

# 显示图表
plt.show()

案例二：散点图

import matplotlib.pyplot as plt

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

# 创建图表
plt.scatter(x, y)

# 设置标题和标签
plt.title('散点图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')

# 显示图表
plt.show()

案例三：柱状图

import matplotlib.pyplot as plt

# 数据
x = ['A', 'B', 'C', 'D']
y = [10, 20, 30, 40]

# 创建图表
plt.bar(x, y)

# 设置标题和标签
plt.title('柱状图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')

# 显示图表
plt.show()

案例四：饼图

import matplotlib.pyplot as plt

# 数据
labels = 'A', 'B', 'C', 'D'
sizes = [15, 30, 45, 10]

# 创建图表
plt.pie(sizes, labels=labels, autopct='%1.1f%%')

# 设置标题
plt.title('饼图示例')

# 显示图表
plt.show()

案例五：3D散点图

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

# 数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 2, 3, 5]
z = [1, 4, 2, 3, 5]

# 创建图表
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(x, y, z)

# 设置标题和标签
ax.set_title('3D散点图示例')
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.set_zlabel('Z轴')

# 显示图表
plt.show()

案例六：热力图

import matplotlib.pyplot as plt
import numpy as np

# 数据
data = np.random.rand(10, 10)

# 创建图表
plt.imshow(data, cmap='hot', interpolation='nearest')

# 设置标题和标签
plt.title('热力图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')

# 显示图表
plt.show()

案例七：时间序列图

import matplotlib.pyplot as plt
import pandas as pd

# 数据
data = pd.DataFrame({
    'Date': pd.date_range(start='1/1/2020', periods=100),
    'Close': np.random.rand(100) * 100
})

# 创建图表
data['Date'] = pd.to_datetime(data['Date'])
data.set_index('Date', inplace=True)
data.plot()

# 设置标题和标签
plt.title('时间序列图示例')
plt.xlabel('日期')
plt.ylabel('收盘价')

# 显示图表
plt.show()

案例八：地图

import matplotlib.pyplot as plt
import geopandas as gpd

# 数据
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 创建图表
world.plot()

# 设置标题和标签
plt.title('地图示例')
plt.xlabel('经度')
plt.ylabel('纬度')

# 显示图表
plt.show()

案例九：动画

import matplotlib.pyplot as plt
import numpy as np

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

# 创建图表
fig, ax = plt.subplots()
line, = ax.plot([], [], lw=2)

# 初始化动画
def init():
    line.set_data([], [])
    return line,

# 更新动画
def update(frame):
    xdata = np.linspace(0, 2 * np.pi, 100)
    ydata = np.sin(xdata + frame / 10.0)
    line.set_data(xdata, ydata)
    return line,

# 创建动画
ani = animation.FuncAnimation(fig, update, frames=100, init_func=init, blit=True)

# 显示动画
plt.show()

总结

通过以上50个实战案例，您已经掌握了Matplotlib的基本使用方法和各种图表的绘制技巧。Matplotlib是一个功能强大的库，可以帮助您将复杂的数据转化为直观的图表。希望本文能帮助您更好地理解和应用Matplotlib。

-- 展开阅读全文 --