数据可视化—绘制简单的折线图，2024年最新Python开发必看

使用scatter()绘制一系列点

import matplotlib.pyplot as plt

x_values = [1, 2, 3, 4, 5]

y_values = [1, 4, 9, 16, 25]

plt.scatter(x_values, y_values, s=100) # 向scatter函数传递一对x,y坐标

设置图表标题，并给坐标轴加上标签

plt.title(‘Square number’, fontsize=24)

plt.xlabel(‘Value’, fontsize=14)

plt.ylabel(‘Square of Value’, fontsize=14)

设置刻度标记的大小

plt.tick_params(axis=‘both’, which=‘major’, labelsize=14)

plt.show() # 打开matplotib查看器，并显示绘制的图形

效果如下：

自动计算数据

---

手动计算列表包含的值很麻烦，可以利用python中的循环来解决，下面是绘制1000个点的范例：

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))

y_values = [x ** 2 for x in x_values]

plt.scatter(x_values, y_values, s=10) # 向scatter函数传递一对x,y坐标

设置图表标题，并给坐标轴加上标签

plt.title(‘Square number’, fontsize=24)

plt.xlabel(‘Value’, fontsize=14)

plt.ylabel(‘Square of Value’, fontsize=14)

设置刻度标记的大小

plt.tick_params(axis=‘both’, which=‘major’, labelsize=14)

设置每个坐标轴的取值范围

plt.axis([0, 1100, 0, 1100000])

plt.show() # 打开matplotib查看器，并显示绘制的图形

✅这里需要注意函数axis需要传入四个值，x,y坐标的最小值，最大值

效果如下：

删除数据点的轮廓

---

要删除数据点的轮廓，可在调用scatter()时传递实参edgecolor=‘none’

plt.scatter(x_values, y_values, edgecolors=‘none’, s=10)

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))

y_values = [x ** 2 for x in x_values]

plt.scatter(x_values, y_values, edgecolors=‘none’, s=10) # 向scatter函数传递一对x,y坐标

设置图表标题，并给坐标轴加上标签

plt.title(‘Square number’, fontsize=24)

plt.xlabel(‘Value’, fontsize=14)

plt.ylabel(‘Square of Value’, fontsize=14)

设置刻度标记的大小

plt.tick_params(axis=‘both’, which=‘major’, labelsize=14)

设置每个坐标轴的取值范围

plt.axis([0, 1100, 0, 1100000])

plt.show() # 打开matplotib查看器，并显示绘制的图形

效果如下：

自定义颜色

---

要修改数据点的颜色，可向scatter()传递参数c,并将其设置要使用的颜色的名称

plt.scatter(x_values, y_values, c=‘red’,edgecolors=‘none’, s=10)

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))

y_values = [x ** 2 for x in x_values]

plt.scatter(x_values, y_values, c=‘red’,edgecolors=‘none’, s=10) # 向scatter函数传递一对x,y坐标

设置图表标题，并给坐标轴加上标签

plt.title(‘Square number’, fontsize=24)

plt.xlabel(‘Value’, fontsize=14)

plt.ylabel(‘Square of Value’, fontsize=14)

设置刻度标记的大小

plt.tick_params(axis=‘both’, which=‘major’, labelsize=14)

设置每个坐标轴的取值范围

plt.axis([0, 1100, 0, 1100000])

plt.show() # 打开matplotib查看器，并显示绘制的图形

效果如下：

使用颜色映射

---

颜色映射(colormap)是一系列颜色，它们从颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律，例如，你可能用较浅的颜色显示较小的值，并使用较深的颜色显示较大的值

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))

y_values = [x ** 2 for x in x_values]

将c设置为y值列表，使用参数cmap告诉pyplot使用哪个颜色映射

plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolors=‘none’, s=10) # 向scatter函数传递一对x,y坐标

设置图表标题，并给坐标轴加上标签

plt.title(‘Square number’, fontsize=24)

plt.xlabel(‘Value’, fontsize=14)

plt.ylabel(‘Square of Value’, fontsize=14)

设置刻度标记的大小

plt.tick_params(axis=‘both’, which=‘major’, labelsize=14)

设置每个坐标轴的取值范围

plt.axis([0, 1100, 0, 1100000])

plt.show() # 打开matplotib查看器，并显示绘制的图形

自动保存图表

---

要让程序自动将图表保存到文件中，可将对plt.show()的调用替换为对plt.sacefig()的调用

plt.savefig(‘squares.png’,bbox_inches=‘tight’)

第一个实参指定要以什么样的文件名保存图表，第二个实参指定将图表多余的空白区域裁剪（如果要保留，可省略这个实参）

import matplotlib.pyplot as plt

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
[外链图片转存中…(img-LOcPiqnj-1712808832718)]