Python 数据可视化——使用 Matplotlib 和 Seaborn 绘制图表_matplotlib用seaborn表格绘制-优快云博客

import matplotlib.pyplot as plt

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

# 绘制折线图
plt.plot(x, y, marker='o', linestyle='-', color='b')

# 添加标题和标签
plt.title('Simple Line Plot')
plt.xlabel('X axis')
plt.ylabel('Y axis')

# 显示图表
plt.show()

python

在这个示例中，我们使用 plt.plot 函数绘制了一个折线图。marker 参数指定了数据点的标记，linestyle 参数指定了线的样式，color 参数指定了线的颜色。

2.2.2 绘制柱状图

示例：

python

import matplotlib.pyplot as plt

# 数据
categories = ['A', 'B', 'C', 'D']
values = [4, 7, 1, 8]

# 绘制柱状图
plt.bar(categories, values, color='skyblue')

# 添加标题和标签
plt.title('Simple Bar Chart')
plt.xlabel('Categories')
plt.ylabel('Values')

# 显示图表
plt.show()

python

在这个示例中，我们使用 plt.bar 函数绘制了一个柱状图。color 参数指定了柱子的颜色。

2.2.3 绘制散点图

示例：

python

import matplotlib.pyplot as plt

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

# 绘制散点图
plt.scatter(x, y, color='red', marker='x')

# 添加标题和标签
plt.title('Simple Scatter Plot')
plt.xlabel('X axis')
plt.ylabel('Y axis')

# 显示图表
plt.show()

python

在这个示例中，我们使用 plt.scatter 函数绘制了一个散点图。color 参数指定了点的颜色，marker 参数指定了点的样式。

3. Seaborn 简介

Seaborn 是一个基于 Matplotlib 的高级数据可视化库，提供了更为美观和丰富的图表样式。它特别适合用于统计数据的可视化。

3.1 安装 Seaborn

安装命令：

bash

pip install seaborn

3.2 使用 Seaborn 绘制图表

3.2.1 绘制散点图

示例：

python

import seaborn as sns
import matplotlib.pyplot as plt

# 数据
data = sns.load_dataset('iris')

# 绘制散点图
sns.scatterplot(x='sepal_length', y='sepal_width', data=data, hue='species')

# 添加标题
plt.title('Iris Dataset Scatter Plot')

# 显示图表
plt.show()

python

在这个示例中，我们使用 Seaborn 的 scatterplot 函数绘制了一个散点图。hue 参数用于根据物种分类显示不同颜色。

3.2.2 绘制箱线图

示例：

python

import seaborn as sns
import matplotlib.pyplot as plt

# 数据
data = sns.load_dataset('tips')

# 绘制箱线图
sns.boxplot(x='day', y='total_bill', data=data, palette='coolwarm')

# 添加标题
plt.title('Box Plot of Total Bill by Day')

# 显示图表
plt.show()

python

在这个示例中，我们使用 Seaborn 的 boxplot 函数绘制了一个箱线图，展示不同天的账单金额分布情况。palette 参数指定了颜色主题。

3.2.3 绘制直方图

示例：

python

import seaborn as sns
import matplotlib.pyplot as plt

# 数据
data = sns.load_dataset('diamonds')

# 绘制直方图
sns.histplot(data['price'], bins=30, color='green', kde=True)

# 添加标题
plt.title('Histogram of Diamond Prices')

# 显示图表
plt.show()

python

在这个示例中，我们使用 Seaborn 的 histplot 函数绘制了一个直方图，并使用 kde 参数添加了核密度估计曲线。

4. 自定义图表

无论是使用 Matplotlib 还是 Seaborn，你都可以通过各种参数和方法自定义图表的样式和外观。常见的自定义选项包括图表标题、坐标轴标签、图例、颜色和样式等。

示例：

python

import matplotlib.pyplot as plt
import seaborn as sns

# 数据
data = sns.load_dataset('tips')

# 绘制自定义图表
plt.figure(figsize=(10, 6))
sns.scatterplot(x='total_bill', y='tip', data=data, hue='day', palette='viridis')

# 添加标题和标签
plt.title('Tip vs Total Bill by Day', fontsize=16)
plt.xlabel('Total Bill ($)')
plt.ylabel('Tip ($)')
plt.legend(title='Day')

# 显示图表
plt.show()

python

在这个示例中，我们调整了图表的大小、标题和标签字体，设置了图例标题，并使用了不同的颜色调色板。

5. 总结

在这篇文章中，我们介绍了 Python 的数据可视化基础，包括如何使用 Matplotlib 和 Seaborn 绘制各种图表。通过示例，我们展示了如何创建折线图、柱状图、散点图、箱线图和直方图，并介绍了自定义图表的基本方法。掌握数据可视化的技巧将帮助你更好地展示和分析数据，从而做出更有意义的决策。如果有任何需要修改或补充的内容，请随时告诉我！