Matplotlib：数据可视化艺术家，让图表会说话！
嗨，大家好！今天我要带大家认识Python数据可视化领域的"艺术家" - Matplotlib库。它就像是一位神奇的画家，能够把枯燥的数据变成生动有趣的图表。无论是简单的折线图，还是复杂的3D图像，Matplotlib都能轻松搞定。跟着我一起来探索数据可视化的精彩世界吧！
1. 初见Matplotlib
首先，让我们从最基础的线图开始，了解Matplotlib的基本使用方法：
import matplotlib.pyplot as plt
import numpy as np
# 创建数据
x = np.linspace(0, 10, 100) # 生成0到10之间的100个点
y = np.sin(x) # 计算正弦值
# 创建图表
plt.plot(x, y)
plt.title('我的第一个Matplotlib图表') # 添加标题
plt.xlabel('x轴') # 添加x轴标签
plt.ylabel('y轴') # 添加y轴标签
plt.show() # 显示图表
💡 小贴士：记得在每次画图结束后调用plt.show()，否则图表不会显示出来哦！
2. 绘制多种图表类型
Matplotlib提供了丰富的图表类型，让我们来认识一下最常用的几种：
# 准备数据
categories = ['苹果', '香蕉', '橙子', '梨']
values = [30, 25, 15, 20]
# 创建子图网格（2行2列）
plt.figure(figsize=(10, 8))
# 柱状图
plt.subplot(2, 2, 1)
plt.bar(categories, values)
plt.title('柱状图')
# 饼图
plt.subplot(2, 2, 2)
plt.pie(values, labels=categories, autopct='%1.1f%%')
plt.title('饼图')
# 散点图
plt.subplot(2, 2, 3)
x = np.random.rand(50)
y = np.random.rand(50)
plt.scatter(x, y)
plt.title('散点图')
# 折线图
plt.subplot(2, 2, 4)
plt.plot(categories, values, marker='o')
plt.title('折线图')
plt.tight_layout() # 自动调整子图间距
plt.show()
💡 小贴士：使用plt.figure(figsize=(width, height))可以调整整个图表的大小！
3. 个性化图表样式
让图表更美观是数据可视化的重要一环，Matplotlib提供了丰富的样式设置选项：
# 准备数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
# 设置图表样式
plt.style.use('seaborn') # 使用seaborn样式
plt.figure(figsize=(10, 6))
# 绘制两条线
plt.plot(x, y1, label='sin(x)', color='blue', linestyle='-', linewidth=2)
plt.plot(x, y2, label='cos(x)', color='red', linestyle='--', linewidth=2)
# 添加网格和图例
plt.grid(True, linestyle=':')
plt.legend()
# 设置标题和标签
plt.title('正弦和余弦函数', fontsize=15)
plt.xlabel('X轴', fontsize=12)
plt.ylabel('Y轴', fontsize=12)
plt.show()
4. 实用的数据可视化技巧
来看看如何使用Matplotlib进行一些实际的数据分析可视化：
# 创建示例数据
np.random.seed(42)
data = np.random.randn(1000) # 生成1000个正态分布的随机数
# 创建直方图
plt.figure(figsize=(10, 6))
plt.hist(data, bins=30, alpha=0.7, color='skyblue', edgecolor='black')
plt.title('数据分布直方图')
plt.xlabel('值')
plt.ylabel('频率')
# 添加均值线
plt.axvline(data.mean(), color='red', linestyle='--', label=f'均值: {data.mean():.2f}')
plt.legend()
plt.show()
5. 保存图表
把创建好的图表保存下来也是常见需求：
# 创建一个简单的图表
plt.figure()
x = range(1, 6)
y = [i**2 for i in x]
plt.plot(x, y, 'ro-')
plt.title('简单的二次函数图像')
# 保存图表
plt.savefig('my_plot.png', dpi=300, bbox_inches='tight')
plt.show()
💡 小贴士：dpi参数决定了图片的清晰度，bbox_inches='tight'可以自动调整图表边距！
动手练习题：
尝试创建一个包含两个子图的图表，左边是散点图，右边是直方图 使用不同的颜色和样式绘制一个折线图，并添加图例 创建一个饼图，显示你一天的时间分配情况
今天的Python学习之旅就到这里啦！记得动手敲代码。祝大家学习愉快，Python学习节节高！
