如果不能将数据可视化， 那么拥有的数据除了占用存储将毫无用处。所以将数据分析起来才能大放光彩， 也是海量数据存在的意义。python中有很多将数据可视化的模块， matplotlib是最基本的一个， 也是功能非常强大的绘图库，支持绘制各种类型的统计图表。以下是几种常见的统计图表，以及绘制方法及用例
折线图
参数：
x：X轴的数据y：Y轴的数据label：线条的标签color：线条的颜色linestyle：线条的样式marker：标记点的样式
示例：
import matplotlib.pyplot as pltx = [1, 2, 3, 4, 5]
y = [10, 15, 13, 17, 8]
plt.plot(x, y, label='Data', color='blue', linestyle='-', marker='o')
plt.title('Line Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.show()
效果图：
散点图
参数：
x：X轴的数据y：Y轴的数据s：点的大小c：点的颜色marker：标记点的样式
示例：
import matplotlib.pyplot as pltx = [1, 2, 3, 4, 5]
y = [10, 15, 13, 17, 8]
plt.scatter(x, y, label='Data', s=100, c='red', marker='o')
plt.title('Scatter Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.show()
效果图：
柱状图
参数示例：
x：X轴的数据height：柱子的高度width：柱子的宽度align：柱子的对齐方式color：柱子的颜色
示例：
import matplotlib.pyplot as pltcategories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, 32, 12, 19]
plt.bar(categories, values, width=0.5, align='center', color='green')
plt.title('Bar Plot')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()
效果图：
饼图
参数：
labels：扇形块的标签sizes：各扇形块的大小colors：扇形块的颜色explode：突出显示某些扇形块autopct：扇形块上的百分比标签
示例：
import matplotlib.pyplot as pltlabels = ['Category A', 'Category B', 'Category C', 'Category D']
sizes = [25, 32, 12, 19]
colors = ['red', 'blue', 'green', 'yellow']
explode = (0.1, 0, 0, 0) # 突出显示第一个扇形块
plt.pie(sizes, labels=labels, colors=colors, explode=explode, autopct='%1.1f%%', shadow=True)
plt.title('Pie Chart')
plt.show()
- 效果图：
完事
以上是如何使用matplotlib绘制几种常见的统计图表，包括折线图、散点图、柱状图和饼图，并列出了用于自定义这些图表的常见参数。可以根据项目实际情况进一步自定义这些图表的样式和属性。更详细的信息和示例请查阅官方网站：
精彩推荐
python之生成带背景的词云图(附源码)
python之redis基本操作及设置键过期时间
python之logging模块的配置和使用
python之configparser配置文件解析器
