歡迎閱讀《Python每天一小段》系列！在本篇中，將使用Python Matplotlib實現數據可視化的簡單圖形。

一、概念

Matplotlib是一個流行的Python數據可視化庫，它提供了豐富的繪圖功能，可以創建各種類型的圖表，包括折線圖、散點圖、柱狀圖、餅圖等。

要查看使用matplotlib可制作的各種圖表，可訪問http://matplotlib.org/

（1）安裝matplotlib

pip install matplotlib

（2）數據可視化實現步驟

下面是對Matplotlib的詳細解釋以及如何實現數據可視化的一般步驟：

1. 導入Matplotlib庫：
   在Python腳本中，首先需要導入Matplotlib庫。通常使用以下語句導入Matplotlib的pyplot模塊：

   import matplotlib.pyplot as plt
   

2. 創建圖表：
   在開始繪圖之前，需要創建一個圖表對象。可以使用plt.figure()函數創建一個新的圖表。

   plt.figure()
   

3. 繪制圖表：
   使用Matplotlib的各種繪圖函數來繪制所需的圖表。例如，使用plt.plot()函數繪制折線圖，使用plt.scatter()函數繪制散點圖，使用plt.bar()函數繪制柱狀圖等。

   x = [1, 2, 3, 4, 5]
   y = [10, 8, 6, 4, 2]
   plt.plot(x, y)
   

4. 添加標簽和標題：
   可以使用plt.xlabel()、plt.ylabel()和plt.title()函數為圖表添加軸標簽和標題。

   plt.xlabel('X軸')
   plt.ylabel('Y軸')
   plt.title('折線圖')
   

5. 自定義圖表樣式：
   可以使用各種Matplotlib函數來自定義圖表的樣式，如設置線條顏色、線型、標記樣式、圖例等。

   plt.plot(x, y, color='red', linestyle='--', marker='o', label='數據')
   plt.legend()
   

6. 顯示圖表：
   使用plt.show()函數顯示圖表。

   plt.show()
   

以上是一個簡單的數據可視化的流程。當然，Matplotlib還提供了許多其他功能，如子圖、網格、顏色映射等，可以根據需要進行使用和定制。

除了Matplotlib，還有其他一些數據可視化工具可以使用，如Seaborn、Plotly、Bokeh等。每個工具都有其特點和適用場景，可以根據具體需求選擇合適的工具來實現數據可視化。

python代碼：

import matplotlib.pyplot as pltplt.figure()
x = [1,2,3,4,5]
y = [10,8,6,4,2]
plt.plot(x,y)
#plt.scatter(x,y)
#plt.bar(x,y)plt.title("x,y table",fontsize=24)
plt.xlabel('x軸')
plt.ylabel('y軸')plt.plot(x,y,color='red',linestyle='--',marker='o',label='數據')
plt.legend()plt.show()

生成圖表：

二、繪制簡單的折線圖

（1）簡單的圖表

1、首先導入了模塊pyplot，并給它指定了別名plt，以免反復輸入pyplot

2、創建了一個列表，在其中存儲了前述平方數，再將這個列表傳遞給函數plot()，這個函數嘗試根據這些數字繪制出有意義的圖形。

3、plt.show()打開matplotlib查看器，并顯示繪制的圖形

import matplotlib.pyplot as pltsquares = [1,4,9,16,25]
plt.plot(squares)
plt.show()

圖表：

（2）修改標簽文字和線條粗細

import matplotlib.pyplot as pltsquares = [1,4,9,16,25]
plt.plot(squares,linewidth=5)#設置圖標標題，并給坐標軸加上標簽
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value",fontsize=14)
plt.ylabel("Square of Value",fontsize=14)#設置刻度標記的大小
plt.tick_params(axis='both',labelsize=14)
plt.show()

圖標：

（3）校正圖形

import matplotlib.pyplot as pltinput_values = [1,2,3,4,5]
squares = [1,4,9,16,25]
plt.plot(input_values,squares,linewidth=5)#設置圖標標題，并給坐標軸加上標簽
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value",fontsize=14)
plt.ylabel("Square of Value",fontsize=14)#設置刻度標記的大小
plt.tick_params(axis='both',labelsize=14)
plt.show()

（4）繪制單個點

使用scatter()繪制散點圖并設置其樣式

import matplotlib.pyplot as pltplt.scatter(2,4)
plt.show()

添加標題，給軸加標簽

import matplotlib.pyplot as pltplt.scatter(2,4)plt.scatter(2,4,s=200)plt.title("Square Number",fontsize=24)
plt.xlabel("Value",fontsize=14)
plt.ylabel("Square of Value" ,fontsize=14)#設置刻度標記的大小
plt.tick_params(axis='both',which='major',labelsize=14)plt.show

圖表：

（5）繪制一系列點

要繪制一系列的點，可向scatter()傳遞兩個分別包含x值和y值的列表：

import matplotlib.pyplot as pltx_values = [1,2,3,4,5]
y_values = [1,4,9,16,25]plt.scatter(x_values,y_values,s=100)#設置圖標標題及坐標軸指定標簽plt.title("Square Number",fontsize=24)
plt.title("Value",fontsize=14)
plt.title("Square of Value",fontsize=14)#設置刻度標記大小
plt.tick_params(axis='both',which='major',labelsize=14)
plt.show()

圖表：

（6）自動計算

手工計算列表要包含的值可能效率低下，需要繪制的點很多時尤其如此。可以不必手工計算
包含點坐標的列表，而讓Python循環來替我們完成這種計算。下面是繪制1000個點的代碼：

import matplotlib.pyplot as pltx_values = list(range(1,1001))
y_values = [x**2 for x in x_values]plt.scatter(x_values,y_values,s=40)#設置圖標并給坐標軸加上標簽
plt.title("Square Number",fontsize=24)
plt.title("Value",fontsize=14)
plt.title("Square of Value",fontsize=14)#設置刻度標記大小
plt.tick_params(axis='both',which='major',labelsize=14)#設置每個坐標軸的取值范圍
plt.axis([0,1100,0,1100000])plt.show()

圖表：

（7）刪除數據點的輪廓

matplotlib允許你給散點圖中的各個點指定顏色。默認為藍色點和黑色輪廓，在散點圖包含的數據點不多時效果很好。但繪制很多點時，黑色輪廓可能會粘連在一起。

要刪除數據點的輪廓，可在調用scatter()時傳遞實參：edgecolor='none'

plt.scatter(x_values,y_values,edgecolor='none',s=40)

（8）修改顏色

修改數據點的顏色，可向scatter()傳遞參數c，并將其設置為要使用的顏色的名稱

plt.scatter(x_values,y_values,c='red',edgecolor='none',s=40)

圖表：

（9）自定義顏色

使用RGB顏色模式自定義顏色。要指定自定義顏色，可傳遞參數c，并將其設置為一個元組，其中包含三個0~1之間的小數值，它們分別表示紅色、綠色和藍色分量。

plt.scatter(x_values,y_values,c=(0,0,0.8),edgecolor='none',s=40)

圖表：

創建一個由淡藍色點組成的散點圖:

值越接近0，指定的顏色越深，值越接近1，指定的顏色越淺

（10）顏色映射

顏色映射（colormap）是一系列顏色，它們從起始顏色漸變到結束顏色。在可視化中，顏色映射用于突出數據的規律，例如，你可能用較淺的顏色來顯示較小的值，并使用較深的顏色來顯示較大的值。

模塊pyplot內置了一組顏色映射。要使用這些顏色映射，你需要告訴pyplot該如何設置數據集中每個點的顏色。下面演示了如何根據每個點的y值來設置其顏色：

plt.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,edgecolor='none',s=40)

圖表：

將參數c設置成了一個y值列表，并使用參數cmap告訴pyplot使用哪個顏色映射，代碼將y值較小的點顯示為淺藍色，并將y值較大的點顯示為深藍色。

要了解pyplot中所有的顏色映射，請訪問http://matplotlib.org/，單擊Examples，向下滾動到Color Examples，再單擊colormaps_reference。

（11）自動保存

要讓程序自動將圖表保存到文件中，可將對plt.show()的調用替換為對plt.savefig()的調用

plt.savefig("squares.plot.png",bbox_inches='tight')

參考引用《Python從入門到實踐》