Python Numpy 数据可视化

​

 

1、安装 Matplotlib

Matplotlib 是一个功能强大且受欢迎的 Python 库，用于生成 2D 图表和图形。它因其灵活性、广泛的功能和用户友好的界面而广泛用于各种科学、工程和数据分析应用。

可以通过 pip 安装，命令如下，

pip install matplotlib

或

python3 -m pip install matplotlib

2、绘制简单的折线图

Matplotlib 的 plot() 函数用于创建和绘制各种类型图表的核心函数之一。它支持多种数据类型和绘图样式，并提供丰富的定制选项。

参数说明：

参数	描述
x	一维数组或列表，表示数据点的横坐标。
y	一维数组或列表，表示数据点的纵坐标。
color	指定线条颜色，可以是字符串颜色名或 RGB 颜色值。
linewidth	指定线条宽度。
linestyle	指定线条样式，例如 - (实线)、 -- (虚线)、 -. (点划线) 等。
marker	指定数据点标记形状，例如 o (圆)、 x (叉)、 * (星) 等。
markersize	指定数据点标记大小。
label	指定用于图例的标签。

使用示例：Python Numpy 数据可视化

 

2、绘制散点图

Matplotlib 的 scatter() 函数用于绘制散点图，可以将数据点以不同形状和颜色进行可视化，有助于分析数据分布和探索变量之间的关系。

参数说明：

参数	描述
x	一维数组或列表，表示数据点的横坐标。
y	一维数组或列表，表示数据点的纵坐标。
c	指定数据点颜色，可以是字符串颜色名、RGB 颜色值或一维数组。
s	指定数据点大小，可以是单个值或一维数组。
marker	指定数据点形状，例如 o (圆)、 x (叉)、 * (星) 等。
alpha	指定数据点透明度，取值范围为 0.0 (完全透明) 到 1.0 (完全不透明)。
edgecolors	指定数据点边缘颜色，可以是字符串颜色名、RGB 颜色值或一维数组。
linewidths	指定数据点边缘宽度，可以是单个值或一维数组。

 使用示例：Python Numpy 数据可视化

3、绘制直方图

Matplotlib 的 hist()函数用于绘制直方图，可以显示数据的分布情况，并可以直观地了解数据中存在的值、频次以及分布形状。

参数说明：

参数	描述
x	一维数组或列表，表示数据点。
bins	指定直方图的柱状图数量，默认为 10。
range	指定直方图的绘制范围，例如 (min_value, max_value)。
histtype	指定直方图的类型，例如 'bar' (柱状图)、 'step' (阶梯图) 等。
color	指定直方图柱状图的颜色，可以是字符串颜色名、RGB 颜色值或一维数组。
alpha	指定直方图柱状图的透明度，取值范围为 0.0 (完全透明) 到 1.0 (完全不透明)。
edgecolor	指定直方图柱状图边缘的颜色，可以是字符串颜色名、RGB 颜色值或一维数组。
linewidth	指定直方图柱状图边缘的宽度。

 使用示例：Python Numpy 数据可视化

4、多图并列显示

Matplotlib 的 subplots() 函数用于创建具有多个子图的图形，它可以在同一页面中显示多个相关的数据可视化效果。

参数	描述
nrows	指定子图的行数。
ncols	指定子图的列数。
figsize	指定图形的整体大小，单位为英寸。
sharex	指定是否共享 X 轴，可以是 True (共享)、 False (不共享) 或 'all' (所有子图共享)。
sharey	指定是否共享 Y 轴，可以是 True (共享)、 False (不共享) 或 'all' (所有子图共享)。
squeeze	指定是否将单个子图的返回值转换为 Axes 对象。

返回值：

返回值	描述
fig	Figure 对象，包含整个图形。
axes	Axes 对象或列表，包含各个子图。

 使用示例：Python Numpy 数据可视化

​