作业(十七)——Matplotlib

此博客围绕Matplotlib展开,虽内容仅呈现11.1、11.2、11.3,但可推测与Matplotlib相关作业有关,Matplotlib是信息技术领域用于数据可视化的重要工具。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

11.1



11.2



11.3



### Python Matplotlib 实训作业示例 #### 使用Matplotlib绘制简单折线图 下面是一个简单的例子,展示如何利用Python中的matplotlib库来创建一个基础的折线图。此案例有助于理解matplotlib的基础绘图方法。 ```python import numpy as np import matplotlib.pyplot as plt # 创建一组测试数据 x_values = np.linspace(0, 10, 100) y_values = np.sin(x_values) # 绘制图形 plt.figure(figsize=(8, 4)) plt.plot(x_values, y_values, label='Sine Wave', color='blue') # 添加标题和标签 plt.title('Simple Sine Curve') plt.xlabel('X Axis Label') plt.ylabel('Y Axis Label') # 显示图例 plt.legend() # 展示图像 plt.show() ``` 这段代码首先导入必要的numpy用于生成平滑变化的数据序列作为横坐标值`x_values`以及对应的正弦函数计算得到纵坐标值`y_values`[^1]。接着调用了`matplotlib.pyplot`模块下的多个功能函数完成图表定制化设置并最终呈现出来。 #### 数据可视化分析——柱状图比较不同类别数值大小 另一个常见的应用场景是对分类变量的数量级差异做直观对比,这里通过构建直方图实现: ```python categories = ['Category A', 'Category B', 'Category C'] values = [23, 45, 56] plt.bar(categories, values, color=['red', 'green', 'blue']) plt.title('Comparison of Categories') plt.xlabel('Categories') plt.ylabel('Values') plt.grid(True) # 可选:添加网格线使读数更方便 plt.show() ``` 上述脚本展示了怎样快速搭建起一张能够清晰表达各组间量变关系的条形统计图,并且可以通过调整参数来自定义样式。 #### 散点图揭示两个连续型随机变量间的潜在联系 对于探索性数据分析而言,散点图是非常有用的工具之一,它可以帮助识别两维空间内样本点分布模式: ```python np.random.seed(0) # 设置随机种子以便复现相同的结果 x_scatter = 2 * np.random.rand(50) y_scatter = x_scatter ** 2 + np.random.randn(50)*0.1 plt.scatter(x_scatter, y_scatter, c='purple', marker='o') plt.title('Scatter Plot Example') plt.xlabel('Random X Values') plt.ylabel('Quadratic Transformation with Noise') plt.show() ``` 在这个实例里,先制造了一些服从特定概率密度函数的人工数据集,再借助scatter()方法将其映射到笛卡尔坐标系上形成离散点阵列,从而观察可能存在的趋势或聚集现象。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值