Matplotlib 数据可视化

柱形图

柱形图通常用于直观的对比数据，在实际工作中使用频率很高，在Matplotlib中可以通过bar()即可绘制出柱形图。
plt.bar([1, 2, 3, 4], [1, 4, 2, 3], color=(0.2, 1.0, 1.0), width=0.5) # 绘制图像
plt.show()

条形图

条形图同样常用来进行数据的对比展示，可以简单看作是柱形图经过翻转90度后的图表，使用barh()可以进行条形图的绘制；
plt.barh(["深圳", "广州", "北京", "上海"], [1, 4, 2, 3], height=0.5, color="#0aff00") # 绘制图像
plt.show()

折线图

折线图通常用于展示一段时间内的趋势，可以通过plot进行折线图的绘制；
plt.plot([1, 2, 3, 4], [1, 4, 2, 3], color='blue', linewidth=2, linestyle='-.', marker='*', markersize=15) # 绘制图像
plt.show()

面积图

面积图其实就是折线图的另一种展示显示，相当于是对折线图进行了区域颜色填充，在matplotlib中可以通过stackplot()进行面积图的绘制；
注：其实从Matplotlib的命名来看，stackplot是堆叠折线图，不过默认是填充了颜色的，所以我们可以当作面积图来使用。
plt.stackplot([1, 2, 3, 4], [1, 4, 2, 3], color=(0.4, 0.2, 0.1, 0.1)) # 绘制图像
plt.show()

饼图

饼图通常用于展示各种类别数据的占比，在matplotlib中可以通过pie()进行饼图的绘制；

plt.pie([1, 4, 2, 3], labels=["深圳", "广州", "北京", "上海"],
autopct='%.2f%%', pctdistance=0.8,
wedgeprops={'width': 0.3, 'linewidth': 2, 'edgecolor': 'w'}) # 绘制图像
plt.show()
wedgeprops参数设置还可以绘制圆环图

散点图

散点图通常用于展示数据之间的相关关系，可以通过scatter进行散点图的绘制；
N = 30
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = np.pi * (15 * np.random.rand(N))**2

plt.scatter(x, y,
# 图形大小
s=area,
# 颜色
c=colors,
# 透明度
alpha=0.2,
# 标记点形状
marker='*',
# 边框颜色
edgecolor='blue'
)
plt.show()