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：http://www.mzph.cn/news/643838.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

CC工具箱使用指南：【属性映射】

CC工具箱使用指南：【属性映射】

一、简介 在规划工作中，经常会遇到这样一种情况，有一组一一对应的值。 比如用地编码和用地名称，用地编码【0101】和用地名称【水田】是对应的。 当你在用地编码字段输入【0101】时，用地名称值就必须为【水田】。 当我们确定用地…
阅读更多...
gin路由篇

gin路由篇

1. 基本路由 gin 框架中采用的路由库是基于httprouter做的 import ("net/http""github.com/gin-gonic/gin" )func main() {// 1.创建路由r : gin.Default()// 2.绑定路由规则，执行的函数// gin.Context，封装了request和responser.…
阅读更多...
Nacos源码下载与运行

Nacos源码下载与运行

早先在linux环境下搭建过nacos环境 即Centos安装部署nacos实战，本次是从官网上下载源码，本地运行看看，记录过程，方便备查。 第一步、Nacos源码下载 推荐到nacos官网下载 Github地址，本次选择最新版，1.4.7…
阅读更多...
查看Pytorch的GPU是否可用

查看Pytorch的GPU是否可用

查看Pytorch的GPU是否可用 import torch torch.cuda.is_available()返回为True表示 Pytorch 的 GPU 可用，返回为False表示 Pytorch 的 GPU 不可用。 其余命令： # 查看cuda是否可用 torch.cuda.is_available() # 返回当前设备索引 torch.cuda.current_d…
阅读更多...
Kubeadm安装单master多node节点K8S集群

Kubeadm安装单master多node节点K8S集群

kubeadm安装k8s1.25版本集群步骤 环境说明实验环境规划集群搭建规划 初始化安装k8s集群的实验环境安装虚拟机更新yum源和操作系统配置机器主机名配置主机hosts文件，相互之间通过主机名互相访问配置主机之间无密码登录关闭交换分区swap，提升性能修改机器内…
阅读更多...
Excel导出警告：文件格式和拓展名不匹配

Excel导出警告：文件格式和拓展名不匹配

原因描述： Content-Type 原因：Content-Type，即内容类型，一般是指网页中存在的Content-Type，用于定义网络文件的类型和网页的编码，决定文件接收方将以什么形式、什么编码读取这个文件，这就是经常…
阅读更多...
Qt单选按钮

Qt单选按钮

前言 本篇文章介绍Qt的单选按钮，就是QRadioButton QRadioButton是一个选项按钮，可以打开（选中）或关闭（取消选中）。单选按钮通常向用户提供“众多之一”的选择。 在一组单选按钮中，一次只能选中…
阅读更多...
QT 实现自动生成小学两位数加减法算式

QT 实现自动生成小学两位数加减法算式

小学生加减法训练 QT实现–自动生成两位数加减法算式，并输出txt文件 可以copy到word文件，设置适当字体大小和行间距，带回家给娃做做题 void MainWindow::test(int answerMax, int count) {// 创建一个随机数生成器QRandomGenerator *gener…
阅读更多...
C程序的内存空间布局（栈、堆、数据区、常量区、代码区）

C程序的内存空间布局（栈、堆、数据区、常量区、代码区）

目录 C程序的内存空间布局动态区栈区堆区 静态区数据区常量区代码区 栈的地址测试堆的测试地址静态区演示 橙色 C程序的内存空间布局 补充：内存地址和内存空间 内存地址是一个编号，通常由16进制表示，它代表一个内存空间。在计算机中存储器的…
阅读更多...
c语言小游戏之扫雷

c语言小游戏之扫雷

目录 一：游戏设计理念及思路 二：初步规划的游戏界面 三：开始扫雷游戏的实现 注：1.创建三个文件，test.c用来测试整个游戏的运行，game.c用来实现扫雷游戏的主体，game.h用来函数声明和包含头文…
阅读更多...
机械设计-哈工大课程学习-螺纹连接

机械设计-哈工大课程学习-螺纹连接

圆柱螺纹主要几何参数螺纹参数 ①外径（大径），与外螺纹牙顶或内螺纹牙底相重合的假想圆柱体直径。螺纹的公称直径即大径。 ②内径（小径），与外螺纹牙底或内螺纹牙顶相重合的假想圆柱体直径。 ③中径&#xff…
阅读更多...
解读顺网算力与AI，破局AIGC落地“最后一公里”

解读顺网算力与AI，破局AIGC落地“最后一公里”

全球知名AI科学家吴恩达和李飞飞在CES 2024上预测，2024年将是AI技术继续深化的一年，将成为下一次数字或工业革命真正的变革性驱动力。吴恩达还预测了2024年AI可能的突破性进展，其中包括边缘AI。吴恩达对边缘AI寄予厚望，他认为在笔…
阅读更多...
从理论到实践：Dubbo 的 `＜dubbo:service＞` 与 `＜dubbo:reference＞` 全面指南

从理论到实践：Dubbo 的 `＜dubbo:service＞` 与 `＜dubbo:reference＞` 全面指南

欢迎来到我的博客&#xff0c;代码的世界里&#xff0c;每一行都是一个故事 从理论到实践&#xff1a;Dubbo 的 与 全面指南 前言<dubbo:service> 和 <dubbo:reference> 基础配置 <dubbo:service>配置<dubbo:reference>服务提供与消费的最佳实践1. 性…
阅读更多...
AI-数学-高中-7-函数单调性

AI-数学-高中-7-函数单调性

原作者视频&#xff1a;函数】5函数单调性&#xff08;易&#xff09;_哔哩哔哩_bilibili 1.什么是单调性&#xff1a; 2.通过画图判断单调性&#xff1a; 3.分段函数单调性&#xff1a; 4.如何利用定义判断单调性&#xff1a; 5.利用单调性解不等式&#xff1a; 5.1 把函数…
阅读更多...
鸿蒙应用开发学习：获取手机位置信息

鸿蒙应用开发学习：获取手机位置信息

一、前言 移动应用中经常需要获取设备的位置信息&#xff0c;因此在鸿蒙应用开发学习中&#xff0c;如何获取手机的位置信息是必修课。之前我想偷懒从别人那里复制黏贴代码&#xff0c;于是在百度上搜了一下&#xff0c;可能是我输入的关键字不对&#xff0c;结果没有找到想要…
阅读更多...
第十三讲_ArkUI栅格布局（GridRow/GrowCol）

第十三讲_ArkUI栅格布局（GridRow/GrowCol）

ArkUI栅格布局&#xff08;GridRow/GrowCol&#xff09; 1. 栅格布局概述2. GridRow的使用2.1 设置栅格布局的总列数2.2 设置栅格布局的排列方向2.3 设置栅格布局中子组件间距 3. GridCol的使用3.1 设置一个GridCol占栅格布局的列数3.2 设置GridCol在栅格布局中偏移列数3.3 设置…
阅读更多...
【学网攻】 第(6)节 -- 三层交换机实现VLAN间路由

【学网攻】 第(6)节 -- 三层交换机实现VLAN间路由

文章目录 【学网攻】 第(1)节 -- 认识网络【学网攻】 第(2)节 -- 交换机认识及使用【学网攻】 第(3)节 -- 交换机配置聚合端口【学网攻】 第(4)节 -- 交换机划分Vlan【学网攻】 第(5)节 -- Cisco VTP的使用 前言 第5章给大家讲了VTP,也是为这节课铺垫,带领大家慢慢进入路由的区…
阅读更多...
手势识别MATLAB代码

手势识别MATLAB代码

手势识别是智能设备常用的需求, 下面我们用MATLAB来识别手部的形态: 主程序main.m clc;clear all;close all;%清除命令行和窗口 imimread(DSC05815.JPG); [skin,bwycbcr,w,h] hand_segmentation(im); im1bwycbcr; % se strel(ball,[1 1 1;1 1 1;1 1 1]); im1 imdilate(im…
阅读更多...
《Linux C编程实战》笔记：信号的发送

《Linux C编程实战》笔记：信号的发送

信号的发送主要由函数kill、raise、sigqueue、alarm、setitimer以及abort来完成 kill函数 kill函数用来发送信号给指定的进程。 #include<sys/types.h> #include<signal.h> int kill(pid_t pid,int sig); 该函数的行为与第一个参数pid有关&#xff0c;第二个参…
阅读更多...
鸿蒙开发-UI-布局-网格

鸿蒙开发-UI-布局-网格

鸿蒙开发-UI-布局 鸿蒙开发-UI-布局-线性布局 鸿蒙开发-UI-布局-层叠布局 鸿蒙开发-UI-布局-弹性布局 鸿蒙开发-UI-布局-相对布局 鸿蒙开发-UI-布局-格栅布局 鸿蒙开发-UI-布局-列表 文章目录 前言 一、基本概念 二、开发布局 1.排列方式 2.设置行列间距 三、应用特性 1.网格数…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023