### Python 数据可视化工具概述 Python 提供了多种用于数据可视化的强大库，其中 **Matplotlib** 是最为基础且广泛使用的工具之一[^1]。除此之外，还有其他功能丰富的库如 Seaborn 和 Plotly。 #### Matplotlib 基础 Matplotlib 能够绘制多种形式的图表，包括但不限于折线图、柱状图、散点图以及饼图等。以下是使用 Matplotlib 创建简单图表的一个基本示例： ```python import matplotlib.pyplot as plt # 定义数据 x = [0, 1, 2, 3, 4, 5] y = [0, 1, 4, 9, 16, 25] # 绘制图形 plt.plot(x, y, label='y = x^2') plt.title('Simple Line Chart') # 设置标题 plt.xlabel('X-axis Label') # X轴标签 plt.ylabel('Y-axis Label') # Y轴标签 plt.legend() # 显示图例 plt.show() ``` 上述代码展示了如何利用 `plot` 方法来生成一条简单的曲线并对其进行标注。 #### 使用 Seaborn 进行高级统计绘图 Seaborn 构建于 Matplotlib 的基础上，提供了更简洁的接口和更加美观的默认样式。下面是一个基于 Seaborn 制作热力图的例子： ```python import seaborn as sns import pandas as pd # 加载内置的数据集 flights = sns.load_dataset("flights").pivot("month", "year", "passengers") # 绘制热力图 sns.heatmap(flights, annot=True, fmt="d") plt.title('Heatmap of Flights Data') plt.show() ``` 这段脚本通过调用 Seaborn 中的 heatmap 函数快速构建了一个带有数值注解的热度分布图。 #### 动态交互式图表 - Plotly 对于需要动态效果或者支持用户互动的应用场景来说，Plotly 成为了理想的选择。以下是如何运用 Plotly 来实现一个可缩放旋转的三维曲面图实例： ```python import plotly.graph_objects as go import numpy as np # 参数定义 x = np.outer(np.linspace(-2, 2, 30), np.ones(30)) y = x.copy().T z = np.cos(x ** 2 + y ** 2) fig = go.Figure(data=[go.Surface(z=z, colorscale='Viridis')]) fig.update_layout(title='Interactive 3D Surface', autosize=False, width=800, height=700,) fig.show() ``` 此部分演示了怎样借助 Plotly 库轻松完成复杂视觉表现的任务。