数据可视化入门：Python让数据说话

原创于 2024-11-19 17:50:45 发布

· 701 阅读

12 ·

版权

文章标签：

#信息可视化 #python #开发语言 #Python #Python教程 #ide #python安装

Python入门同时被 3 个专栏收录

274 篇文章

订阅专栏

Python学习

247 篇文章

订阅专栏

Python零基础

219 篇文章

订阅专栏

大家好！今天我要和大家聊一个特别有趣的话题 —— 用matplotlib来做数据可视化。你是否好奇过如何把枯燥的数据变成生动的图表？或者想知道那些漂亮的统计图是怎么做出来的？跟着我一起来探索这个神奇的数据可视化世界吧！

这里插播一条粉丝福利，如果你正在学习Python或者有计划学习Python，想要突破自我，对未来十分迷茫的，可以点击这里获取最新的Python学习资料和学习路线规划（免费分享，记得关注）

一、初识matplotlib：你的数据可视化好帮手

还记得我们小时候画的第一幅画吗？可能是几根简单的线条，但却充满了无限的创意。在Python中，matplotlib就像是我们的数字画笔，让我们能够用代码来作画，将数据变成图形。

首先，让我们准备好我们的"画笔"：

import matplotlib.pyplot as plt
import numpy as np # 我们需要numpy来帮助生成一些数据

# 设置中文显示
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号

💡 小贴士：如果你在显示中文时遇到方框或乱码，记得设置字体哦！Windows用户可以使用'SimHei'，Mac用户可以使用'Arial Unicode MS'。

二、绘制你的第一张图：线形图

想象一下，你正在记录一周的温度变化。让我们把这些数据用线形图展示出来：

# 准备数据
days = ['周一', '周二', '周三', '周四', '周五', '周六', '周日']
temperatures = [20, 22, 23, 19, 21, 25, 22]

# 创建画布
plt.figure(figsize=(10, 6)) # 设置图的大小，单位是英寸

# 绘制线形图
plt.plot(days, temperatures, marker='o', linestyle='-', color='#FF6B6B', linewidth=2)

# 添加标题和轴标签
plt.title('一周温度变化', fontsize=14)
plt.xlabel('日期', fontsize=12)
plt.ylabel('温度 (°C)', fontsize=12)

# 添加网格线让图表更清晰
plt.grid(True, linestyle='--', alpha=0.7)

# 显示图表
plt.show()

三、让图表更丰富：多种图表类型

就像画画有素描、水彩、油画等不同形式，matplotlib也提供了多种图表类型。让我们来看看最常用的几种：

1. 柱状图：展示分类数据

# 准备数据
categories = ['苹果', '香蕉', '橙子', '葡萄']
quantities = [30, 25, 15, 35]

# 创建柱状图
plt.figure(figsize=(8, 6))
plt.bar(categories, quantities, color=['#FF9999', '#66B2FF', '#99FF99', '#FFCC99'])

plt.title('水果销售数量统计')
plt.xlabel('水果种类')
plt.ylabel('销售数量（个）')

# 在柱子上方添加数值标签
for i, v in enumerate(quantities):
plt.text(i, v + 1, str(v), ha='center')

plt.show()

2. 饼图：展示占比关系

# 准备数据
activities = ['学习', '睡觉', '运动', '娱乐']
hours = [8, 7, 2, 7]

# 创建饼图
plt.figure(figsize=(8, 8))
plt.pie(hours, labels=activities, autopct='%1.1f%%',
colors=['#FF9999', '#66B2FF', '#99FF99', '#FFCC99'])

plt.title('日常活动时间分配')
plt.axis('equal') # 保证饼图是圆的

plt.show()

四、数据可视化小技巧

配色很重要：
- 使用适当的颜色搭配能让图表更专业
- 可以使用预定义的颜色映射：plt.cm.viridis、plt.cm.plasma等
布局要清晰：
- 使用plt.subplots()创建子图
- 合理设置图表大小和间距
标签要规范：
- 给图表添加清晰的标题
- 轴标签要带单位
- 适当添加图例

来看一个综合示例：

# 创建一个包含两个子图的图表
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 5))

# 第一个子图：温度变化
ax1.plot(days, temperatures, marker='o', color='#FF6B6B')
ax1.set_title('温度变化')
ax1.set_xlabel('日期')
ax1.set_ylabel('温度 (°C)')
ax1.grid(True)

# 第二个子图：水果销量
ax2.bar(categories, quantities, color=['#FF9999', '#66B2FF', '#99FF99', '#FFCC99'])
ax2.set_title('水果销量')
ax2.set_xlabel('水果种类')
ax2.set_ylabel('销售数量（个）')

# 调整子图之间的间距
plt.tight_layout()

plt.show()

五、练习时间！

让我们来做一个小练习，巩固今天学到的知识：

📝 练习题：

创建一个展示你最近一个月每日学习时间的折线图
用饼图展示你的一天24小时时间分配
挑战题：创建一个包含折线图和柱状图的组合图表，展示某产品的销量和价格关系

常见问题和解决方案

中文显示问题：
- 设置字体：plt.rcParams['font.sans-serif'] = ['SimHei']
- Mac用户可能需要使用其他中文字体
图表保存：
plt.savefig('my_chart.png', dpi=300, bbox_inches='tight')
内存管理：
- 记得使用plt.close()关闭不需要的图表
- 在绘制大量图表时特别重要