Python Matplotlib圖表繪製參考手冊

一、Matplotlib簡介

Matplotlib是一個基於Python的2D繪圖庫，廣泛應用於數據可視化領域。Matplotlib通過各種繪圖方式為數據提供了更加精美、直觀的可視化方式。Matplotlib有助於更好地理解數據，發現數據中的規律和趨勢，同時方便數據科學家進行進一步的數據分析和決策。

Matplotlib主要有兩個繪圖接口：pyplot和面向對象（Object-Oriented，OO）接口。pyplot接口是一組簡單的命令，可以幫助開發者快速快速繪製各種圖表。而面向對象的接口則是更加靈活和可擴展的接口，主要應用於更加複雜的圖表和應用場景。

二、基本圖表繪製

1. 折線圖（line plot）

折線圖通過連接數據點的方式，可用於顯示數據隨時間、空間或其他維度的變化趨勢。它是不同時間點或空間點上的數據之間的關係的可視化展示。下面是一個簡單的折線圖繪製代碼：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

plt.plot(x, y)
plt.show()

該代碼用NumPy生成了一系列x坐標，然後計算了每個點的正弦值，將它們繪製成了折線圖。

2. 散點圖（scatter plot）

散點圖用於展示兩個或多個維度之間的關係。繪製散點圖的基本方式是需要兩個NumPy數組，每個數組分別代表X和Y坐標，然後使用Matplotlib的scatter()函數來繪製數據點。下面是示例代碼：

import matplotlib.pyplot as plt
import numpy as np

x = np.random.randn(1000)
y = np.random.randn(1000)

plt.scatter(x, y, color='blue', alpha=0.5)
plt.show()

該代碼生成了1000個隨機數，並將它們繪製成散點圖。

3. 柱狀圖（bar plot）

柱狀圖用於展示不同類別之間的數量比較，通常是用於展示分類數據。下面是一個簡單的柱狀圖繪製代碼：

import matplotlib.pyplot as plt

data = {'apple': 10, 'orange': 15, 'lemon': 5, 'lime': 20}
names = list(data.keys())
values = list(data.values())

plt.bar(names, values)
plt.show()

該代碼繪製了一個簡單的柱狀圖，展示了幾種水果的銷售情況。

4. 餅狀圖（pie chart）

餅狀圖用於展示不同類別之間的數量比較，通常是用於展示佔比數據。下面是一個簡單的餅狀圖繪製代碼：

import matplotlib.pyplot as plt

data = {'apple': 10, 'orange': 15, 'lemon': 5, 'lime': 20}
names = list(data.keys())
values = list(data.values())

plt.pie(values, labels=names)
plt.show()

該代碼繪製了一個簡單的餅狀圖，展示了幾種水果的佔比情況。

三、高級圖表繪製

1. 3D圖（3D plot）

3D圖是用於展示三維數據的圖表，比如三維點雲和曲面等。下面是一個簡單的3D圖繪製代碼：

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)

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))

ax.plot_surface(X, Y, Z, cmap='rainbow')
plt.show()

該代碼繪製了一個簡單的3D曲面圖，展示了一個正弦波在三維空間中的產生過程。

2. 直方圖（histogram）

直方圖可以用於展示數據的分布情況，特別是用於展示連續變量的分布情況。下面是一個簡單的直方圖繪製代碼：

import matplotlib.pyplot as plt
import numpy as np

x = np.random.randn(1000)

plt.hist(x, bins=20, color='blue')
plt.show()

該代碼生成了1000個隨機數，並將它們繪製成一個直方圖。

3. 熱圖（heatmap）

熱圖可以用於展示數據在不同條件下的情況，特別是用於展示數據在兩個或多個維度上的變化情況。下面是一個簡單的熱圖繪製代碼：

import matplotlib.pyplot as plt
import numpy as np

data = np.random.randn(10, 10)

plt.imshow(data, cmap='hot', interpolation='nearest')
plt.colorbar()
plt.show()

該代碼生成了一個隨機數二維數組，並將它們繪製成了熱圖。

四、總結

Matplotlib是一個強大的數據可視化庫，提供了多種常見圖表的繪製方式。本文對Matplotlib的基本圖表繪製和高級圖表繪製進行了簡單的介紹，希望能夠幫助讀者更好地使用Matplotlib進行數據可視化。