掌握Matplotlib，数据分析实战案例大盘点

引言

Matplotlib 是 Python 中最常用的数据可视化库之一，它可以帮助我们以图表的形式展示数据，从而更直观地理解和分析数据。在数据分析领域，熟练掌握 Matplotlib 对于展示分析结果至关重要。本文将盘点一些实战案例，帮助读者更好地理解和应用 Matplotlib。

一、案例一：绘制散点图

散点图是展示两个变量之间关系的常用图表。以下是一个使用 Matplotlib 绘制散点图的案例：

import matplotlib.pyplot as plt import numpy as np # 创建数据 x = np.random.rand(50) y = np.random.rand(50) # 绘制散点图 plt.scatter(x, y) plt.xlabel('X轴') plt.ylabel('Y轴') plt.title('散点图示例') plt.show()

二、案例二：绘制折线图

折线图常用于展示数据随时间或其他连续变量的变化趋势。以下是一个使用 Matplotlib 绘制折线图的案例：

import matplotlib.pyplot as plt import numpy as np # 创建数据 x = np.arange(0, 10, 0.1) y = np.sin(x) # 绘制折线图 plt.plot(x, y) plt.xlabel('X轴') plt.ylabel('Y轴') plt.title('折线图示例') plt.show()

三、案例三：绘制柱状图

柱状图常用于比较不同类别之间的数据。以下是一个使用 Matplotlib 绘制柱状图的案例：

import matplotlib.pyplot as plt import numpy as np # 创建数据 categories = ['类别1', '类别2', '类别3', '类别4'] values = [10, 20, 15, 25] # 绘制柱状图 plt.bar(categories, values) plt.xlabel('类别') plt.ylabel('数值') plt.title('柱状图示例') plt.show()

四、案例四：绘制饼图

饼图常用于展示不同类别在整体中的占比。以下是一个使用 Matplotlib 绘制饼图的案例：

import matplotlib.pyplot as plt # 创建数据 labels = '类别1', '类别2', '类别3', '类别4' sizes = [15, 30, 45, 10] colors = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue'] # 绘制饼图 plt.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=140) plt.axis('equal') # 保持饼图为圆形 plt.title('饼图示例') plt.show()

五、案例五：绘制3D图形

Matplotlib 也支持绘制 3D 图形。以下是一个使用 Matplotlib 绘制 3D 图形的案例：

import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D import numpy as np # 创建数据 x = np.linspace(-5, 5, 100) y = np.linspace(-5, 5, 100) x, y = np.meshgrid(x, y) z = np.sin(np.sqrt(x**2 + y**2)) # 创建 3D 图形 fig = plt.figure() ax = fig.add_subplot(111, projection='3d') # 绘制 3D 图形 ax.plot_surface(x, y, z, cmap='viridis', edgecolor='none') # 设置图形标题和坐标轴标签 ax.set_title('3D 图形示例') ax.set_xlabel('X轴') ax.set_ylabel('Y轴') ax.set_zlabel('Z轴') # 显示图形 plt.show()