Python數據可視化神器——Matplotlib完全指南

一、Matplotlib簡介

Matplotlib是Python中最常用的可視化庫之一，它可以創建各種圖形，包括線圖、散點圖、柱狀圖、等高線圖、3D圖等。Matplotlib最初是基於MATLAB的繪圖接口開發的，因此在使用過程中Matplotlib也保留了一些MATLAB的語法風格。另外，由於Matplotlib有着豐富的可視化功能和廣泛的應用場景，因此學會使用Matplotlib對於Python數據分析工程師來說是非常重要的。

二、基礎圖表繪製

Matplotlib提供了多種基礎圖表的繪製方法，包括線圖、散點圖、柱狀圖等，下面分別介紹這幾種圖表的繪製方法。

1.線圖

線圖是Matplotlib中最常用的圖表之一，它可以用於展示數據的趨勢。下面是一個簡單的線圖實例：

import matplotlib.pyplot as plt 
import numpy as np

# 生成數據
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 繪製線圖
plt.plot(x,y)

# 顯示圖形
plt.show()

首先，我們通過numpy生成了x和y兩個數組，然後使用plt.plot()方法繪製線圖，最後使用plt.show()方法顯示圖形。

2.散點圖

散點圖常用於展示數據的分佈情況，下面是一個簡單的散點圖實例：

import matplotlib.pyplot as plt 
import numpy as np

# 生成數據
x = np.random.randn(50)
y = np.random.randn(50)

# 繪製散點圖
plt.scatter(x,y,s=100,c='r',alpha=0.5)

# 顯示圖形
plt.show()

首先，我們通過numpy生成了x和y兩個數組，然後使用plt.scatter()方法繪製散點圖，其中，s表示散點的大小，c表示散點的顏色，alpha表示散點的透明度。

3.柱狀圖

柱狀圖常用於展示多個數據的大小比較，下面是一個簡單的柱狀圖實例：

import matplotlib.pyplot as plt 

# 設置數據
labels = ['A', 'B', 'C', 'D', 'E']
values = [10, 29, 30, 23, 45]

# 繪製柱狀圖
plt.bar(labels, values)

# 顯示圖形
plt.show()

我們通過設置labels和values兩個數組來設置數據，然後使用plt.bar()方法繪製柱狀圖，其中，labels表示柱狀圖的類別，values表示柱子的高度。

三、高級圖表繪製

除了基礎圖表之外，Matplotlib還提供了一些高級圖表的繪製方法，包括等高線圖、子圖等。

1.等高線圖

等高線圖常用於展示三維數據的等高線分佈情況，下面是一個簡單的等高線圖實例：

import matplotlib.pyplot as plt 
import numpy as np

# 生成數據
def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
x = np.linspace(-3, 3, 300)
y = np.linspace(-3, 3, 300)
X,Y = np.meshgrid(x,y)
Z = f(X,Y)

# 繪製等高線圖
plt.contourf(X, Y, Z, 10, alpha=0.75, cmap=plt.cm.hot)
C = plt.contour(X, Y, Z, 10, colors='black', linewidth=.5)
plt.clabel(C, inline=True, fontsize=10)

# 顯示圖形
plt.show()

我們通過定義f函數來生成數據，然後使用plt.contourf()方法繪製等高線圖，其中，X,Y,Z分別表示網格坐標、高度，10表示分成10層，alpha表示透明度，cmap表示顏色映射。接着使用plt.contour()方法添加等高線，再使用plt.clabel()方法為等高線添加標籤。

2.子圖

子圖是一種常見的可視化方式，它可以將多個圖表組合在一起展示，下面是一個簡單的子圖實例：

import matplotlib.pyplot as plt 
import numpy as np

# 生成數據
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 創建子圖
fig, axs = plt.subplots(2, 1)

# 繪製子圖1
axs[0].plot(x, y1, color='blue')
axs[0].set_title('sin(x)')

# 繪製子圖2
axs[1].plot(x, y2, color='red')
axs[1].set_title('cos(x)')

# 顯示圖形
plt.show()

我們通過numpy生成了x、y1、y2三個數組，然後使用plt.subplots()方法創建兩個子圖，再使用axs[0]和axs[1]指定子圖，最後使用set_title()方法設置子圖標題。

四、總結

本文介紹了Matplotlib的基礎和高級圖表繪製方法，包括線圖、散點圖、柱狀圖、等高線圖、子圖等，希望讀者可以通過本文學習到Matplotlib的基礎語法和常用技巧，從而在數據分析和可視化中得到更好的應用。