外贸网站平台有几个/seo实战优化

欢迎阅读《Python每天一小段》系列！在本篇中，将使用Python Matplotlib实现数据可视化的简单图形。

一、概念

Matplotlib是一个流行的Python数据可视化库，它提供了丰富的绘图功能，可以创建各种类型的图表，包括折线图、散点图、柱状图、饼图等。

要查看使用matplotlib可制作的各种图表，可访问http://matplotlib.org/

（1）安装matplotlib

pip install matplotlib

（2）数据可视化实现步骤

下面是对Matplotlib的详细解释以及如何实现数据可视化的一般步骤：

1. 导入Matplotlib库：
   在Python脚本中，首先需要导入Matplotlib库。通常使用以下语句导入Matplotlib的pyplot模块：

   import matplotlib.pyplot as plt
   

2. 创建图表：
   在开始绘图之前，需要创建一个图表对象。可以使用plt.figure()函数创建一个新的图表。

   plt.figure()
   

3. 绘制图表：
   使用Matplotlib的各种绘图函数来绘制所需的图表。例如，使用plt.plot()函数绘制折线图，使用plt.scatter()函数绘制散点图，使用plt.bar()函数绘制柱状图等。

   x = [1, 2, 3, 4, 5]
   y = [10, 8, 6, 4, 2]
   plt.plot(x, y)
   

4. 添加标签和标题：
   可以使用plt.xlabel()、plt.ylabel()和plt.title()函数为图表添加轴标签和标题。

   plt.xlabel('X轴')
   plt.ylabel('Y轴')
   plt.title('折线图')
   

5. 自定义图表样式：
   可以使用各种Matplotlib函数来自定义图表的样式，如设置线条颜色、线型、标记样式、图例等。

   plt.plot(x, y, color='red', linestyle='--', marker='o', label='数据')
   plt.legend()
   

6. 显示图表：
   使用plt.show()函数显示图表。

   plt.show()
   

以上是一个简单的数据可视化的流程。当然，Matplotlib还提供了许多其他功能，如子图、网格、颜色映射等，可以根据需要进行使用和定制。

除了Matplotlib，还有其他一些数据可视化工具可以使用，如Seaborn、Plotly、Bokeh等。每个工具都有其特点和适用场景，可以根据具体需求选择合适的工具来实现数据可视化。

python代码：

import matplotlib.pyplot as pltplt.figure()
x = [1,2,3,4,5]
y = [10,8,6,4,2]
plt.plot(x,y)
#plt.scatter(x,y)
#plt.bar(x,y)plt.title("x,y table",fontsize=24)
plt.xlabel('x轴')
plt.ylabel('y轴')plt.plot(x,y,color='red',linestyle='--',marker='o',label='数据')
plt.legend()plt.show()

生成图表：

二、绘制简单的折线图

（1）简单的图表

1、首先导入了模块pyplot，并给它指定了别名plt，以免反复输入pyplot

2、创建了一个列表，在其中存储了前述平方数，再将这个列表传递给函数plot()，这个函数尝试根据这些数字绘制出有意义的图形。

3、plt.show()打开matplotlib查看器，并显示绘制的图形

import matplotlib.pyplot as pltsquares = [1,4,9,16,25]
plt.plot(squares)
plt.show()

图表：

（2）修改标签文字和线条粗细

import matplotlib.pyplot as pltsquares = [1,4,9,16,25]
plt.plot(squares,linewidth=5)#设置图标标题，并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value",fontsize=14)
plt.ylabel("Square of Value",fontsize=14)#设置刻度标记的大小
plt.tick_params(axis='both',labelsize=14)
plt.show()

图标：

（3）校正图形

import matplotlib.pyplot as pltinput_values = [1,2,3,4,5]
squares = [1,4,9,16,25]
plt.plot(input_values,squares,linewidth=5)#设置图标标题，并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value",fontsize=14)
plt.ylabel("Square of Value",fontsize=14)#设置刻度标记的大小
plt.tick_params(axis='both',labelsize=14)
plt.show()

（4）绘制单个点

使用scatter()绘制散点图并设置其样式

import matplotlib.pyplot as pltplt.scatter(2,4)
plt.show()

添加标题，给轴加标签

import matplotlib.pyplot as pltplt.scatter(2,4)plt.scatter(2,4,s=200)plt.title("Square Number",fontsize=24)
plt.xlabel("Value",fontsize=14)
plt.ylabel("Square of Value" ,fontsize=14)#设置刻度标记的大小
plt.tick_params(axis='both',which='major',labelsize=14)plt.show

图表：

（5）绘制一系列点

要绘制一系列的点，可向scatter()传递两个分别包含x值和y值的列表：

import matplotlib.pyplot as pltx_values = [1,2,3,4,5]
y_values = [1,4,9,16,25]plt.scatter(x_values,y_values,s=100)#设置图标标题及坐标轴指定标签plt.title("Square Number",fontsize=24)
plt.title("Value",fontsize=14)
plt.title("Square of Value",fontsize=14)#设置刻度标记大小
plt.tick_params(axis='both',which='major',labelsize=14)
plt.show()

图表：

（6）自动计算

手工计算列表要包含的值可能效率低下，需要绘制的点很多时尤其如此。可以不必手工计算
包含点坐标的列表，而让Python循环来替我们完成这种计算。下面是绘制1000个点的代码：

import matplotlib.pyplot as pltx_values = list(range(1,1001))
y_values = [x**2 for x in x_values]plt.scatter(x_values,y_values,s=40)#设置图标并给坐标轴加上标签
plt.title("Square Number",fontsize=24)
plt.title("Value",fontsize=14)
plt.title("Square of Value",fontsize=14)#设置刻度标记大小
plt.tick_params(axis='both',which='major',labelsize=14)#设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])plt.show()

图表：

（7）删除数据点的轮廓

matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。

要删除数据点的轮廓，可在调用scatter()时传递实参：edgecolor='none'

plt.scatter(x_values,y_values,edgecolor='none',s=40)

（8）修改颜色

修改数据点的颜色，可向scatter()传递参数c，并将其设置为要使用的颜色的名称

plt.scatter(x_values,y_values,c='red',edgecolor='none',s=40)

图表：

（9）自定义颜色

使用RGB颜色模式自定义颜色。要指定自定义颜色，可传递参数c，并将其设置为一个元组，其中包含三个0~1之间的小数值，它们分别表示红色、绿色和蓝色分量。

plt.scatter(x_values,y_values,c=(0,0,0.8),edgecolor='none',s=40)

图表：

创建一个由淡蓝色点组成的散点图:

值越接近0，指定的颜色越深，值越接近1，指定的颜色越浅

（10）颜色映射

颜色映射（colormap）是一系列颜色，它们从起始颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律，例如，你可能用较浅的颜色来显示较小的值，并使用较深的颜色来显示较大的值。

模块pyplot内置了一组颜色映射。要使用这些颜色映射，你需要告诉pyplot该如何设置数据集中每个点的颜色。下面演示了如何根据每个点的y值来设置其颜色：

plt.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,edgecolor='none',s=40)

图表：

将参数c设置成了一个y值列表，并使用参数cmap告诉pyplot使用哪个颜色映射，代码将y值较小的点显示为浅蓝色，并将y值较大的点显示为深蓝色。

要了解pyplot中所有的颜色映射，请访问http://matplotlib.org/，单击Examples，向下滚动到Color Examples，再单击colormaps_reference。

（11）自动保存

要让程序自动将图表保存到文件中，可将对plt.show()的调用替换为对plt.savefig()的调用

plt.savefig("squares.plot.png",bbox_inches='tight')

（12）绘制前 5 个整数的立方值

import matplotlib.pyplot as plt#绘制前5个整数的立方值
x = [1,2,3,4,5]
y = [x[i] ** 3 for i in range(len(x))]plt.plot(x,y)
plt.xlabel("x")
plt.ylabel("x^3")
plt.show()

参考引用《Python从入门到实践》