Python数据分析：数据可视化（Matplotlib、Seaborn）

数据可视化是数据分析中不可或缺的一部分，通过将数据以图形的方式展示出来，可以更直观地理解数据的分布和趋势。在Python中，Matplotlib和Seaborn是两个非常流行和强大的数据可视化库。本文将详细介绍这两个库的使用方法，并附上一个综合详细的例子。

一、Matplotlib

Matplotlib是Python中最基础也是最强大的数据可视化库之一。它提供了一整套绘图工具，可以创建各种类型的图表，如折线图、柱状图、散点图、饼图等。

1.1 Matplotlib基础

基本使用

Matplotlib的基本使用非常简单，只需要导入matplotlib.pyplot模块，然后使用其各种绘图函数即可。

import matplotlib.pyplot as plt

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

# 绘制折线图
plt.plot(x, y)
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('简单折线图')
plt.show()

设置图形属性

我们可以通过设置各种属性来定制图形的外观。

# 设置线条属性
plt.plot(x, y, color='green', marker='o', linestyle='dashed', linewidth=2, markersize=12)
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('设置线条属性的折线图')
plt.show()

多图绘制

使用subplot函数可以在同一个窗口中绘制多个图形。

# 创建数据
x = [1, 2, 3, 4, 5]
y1 = [2, 3, 5, 7, 11]
y2 = [1, 4, 9, 16, 25]

# 创建子图
plt.subplot(2, 1, 1)
plt.plot(x, y1, 'r--')
plt.title('第一个子图')

plt.subplot(2, 1, 2)
plt.plot(x, y2, 'g*-')
plt.title('第二个子图')

plt.show()

1.2 Matplotlib高级

图例和标签

我们可以为图形添加图例和标签，以便更好地解释图表内容。

# 创建数据
x = [1, 2, 3, 4, 5]
y1 = [2, 3, 5, 7, 11]
y2 = [1, 4, 9, 16, 25]

# 绘制折线图
plt.plot(x, y1, label=&