### Python 数据可视化常用图形绘制方法
Python 数据可视化是数据分析和科学计算的重要组成部分，Matplotlib 是其中最常用的库之一。以下详细介绍一些常用图形的绘制方法及其应用场景。
#### 1. 线图（Line Chart）
线图用于展示数据的变化趋势或多个变量之间的关系。以下是绘制线图的基本代码示例：
```python
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y, label='Line', color='blue', linestyle='--', marker='o')
plt.title('Line Chart Example')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.show()
```
上述代码展示了如何通过 `plot` 函数绘制一条带有标记点的虚线[^2]。
#### 2. 柱状图（Bar Chart）
柱状图适用于比较不同类别的数值大小。以下是绘制柱状图的示例：
```python
categories = ['A', 'B', 'C', 'D']
values = [10, 15, 7, 12]
plt.bar(categories, values, color=['red', 'green', 'blue', 'orange'])
plt.title('Bar Chart Example')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()
```
此代码片段使用 `bar` 函数创建了一组颜色不同的柱状图[^4]。
#### 3. 饼图（Pie Chart）
饼图用于展示部分与整体的关系。以下是绘制饼图的示例：
```python
sizes = [25, 35, 20, 20]
labels = ['A', 'B', 'C', 'D']
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90)
plt.title('Pie Chart Example')
plt.show()
```
通过 `pie` 函数可以轻松生成一个比例分布清晰的饼图[^2]。
#### 4. 散点图（Scatter Plot）
散点图用于分析两个变量之间的关系。以下是绘制散点图的示例：
```python
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.scatter(x, y, color='green', marker='*')
plt.title('Scatter Plot Example')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()
```
散点图可以通过 `scatter` 函数实现，并支持自定义标记样式和颜色[^4]。
#### 5. 直方图（Histogram）
直方图用于展示数据的分布情况。以下是绘制直方图的示例：
```python
data = [1, 2, 2, 3, 4, 4, 4, 5, 5, 6]
plt.hist(data, bins=5, color='purple', edgecolor='black')
plt.title('Histogram Example')
plt.xlabel('Values')
plt.ylabel('Frequency')
plt.show()
```
此代码使用 `hist` 函数生成了一个包含五个区间的直方图[^2]。
#### 6. 箱线图（Box Plot）
箱线图用于显示数据的分布特征，包括中位数、四分位数等。以下是绘制箱线图的示例：
```python
data = [[1, 2, 2, 3, 4], [4, 5, 5, 6, 7]]
plt.boxplot(data, labels=['A', 'B'], patch_artist=True)
plt.title('Box Plot Example')
plt.ylabel('Values')
plt.show()
```
箱线图通过 `boxplot` 函数生成，能够直观地反映数据的集中趋势和离群值[^3]。
#### 7. 热力图（Heatmap）
热力图常用于展示二维数据矩阵中的值分布。以下是绘制热力图的示例：
```python
import seaborn as sns
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
sns.heatmap(data, annot=True, cmap='coolwarm')
plt.title('Heatmap Example')
plt.show()
```
Seaborn 库提供了更高级的绘图功能，例如热力图[^3]。
### 总结
以上介绍了几种常见的 Python 数据可视化图形及其绘制方法，包括线图、柱状图、饼图、散点图、直方图、箱线图和热力图。每种图形都有其特定的应用场景，选择合适的图表类型可以帮助更好地表达数据的含义。
介绍FooPlot线上数学函数绘图器，支持绘制单一函数并导出图像。
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
