### Matplotlib 支持的图表类型 Matplotlib 是 Python 中功能强大的绘图库，支持多种类型的图表以满足不同的可视化需求。以下是常见的图表类型及其用途： #### 1. 折线图 (Line Chart) 折线图用于显示连续数据的变化趋势或多个维度之间的关系。可以通过 `plt.plot()` 方法创建。 ```python import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [10, 8, 6, 4, 2] plt.plot(x, y, linestyle='-', color='blue', marker='o') plt.title('折线图示例') plt.xlabel('X轴标签') plt.ylabel('Y轴标签') plt.show() ``` 此方法适用于时间序列分析和其他变化趋势的研究[^2]。 #### 2. 条形图 (Bar Chart) 条形图适合比较不同类别的数值大小。可以使用 `plt.bar()` 或 `plt.barh()` 创建垂直或水平条形图。 ```python import matplotlib.pyplot as plt labels = ['A', 'B', 'C'] values = [10, 15, 7] plt.bar(labels, values, color=['red', 'green', 'blue']) plt.title('条形图示例') plt.xlabel('类别') plt.ylabel('值') plt.show() ``` 这种图表常用于分类数据的对比研究[^4]。 #### 3. 饼状图 (Pie Chart) 饼状图用于展示部分与整体的比例关系。通过 `plt.pie()` 实现。 ```python import matplotlib.pyplot as plt sizes = [15, 30, 45, 10] labels = ['Frogs', 'Hogs', 'Dogs', 'Logs'] plt.pie(sizes, labels=labels, autopct='%1.1f%%') plt.title('饼状图示例') plt.show() ``` #### 4. 散点图 (Scatter Plot) 散点图用于观察两个变量之间的分布情况和可能的相关性。可通过 `plt.scatter()` 完成。 ```python import matplotlib.pyplot as plt import numpy as np x = np.random.rand(50) y = np.random.rand(50) colors = np.random.rand(50) sizes = 1000 * np.random.rand(50) plt.scatter(x, y, c=colors, s=sizes, alpha=0.5) plt.title('散点图示例') plt.show() ``` 它广泛应用于统计学中的双变量分析。 #### 5. 堆积面积图 (Stacked Area Chart) 堆积面积图能够直观地表现各组分随着时间推移所占比例的变化。需借助第三方工具包如 Pandas 和 Seaborn 扩展实现更复杂的功能[^1]。 #### 6. 箱型图 (Box Plot) 箱型图是一种描述定量数据分布特征的有效方式，特别是识别异常值方面非常有用。利用 `plt.boxplot()` 可快速生成。 ```python import matplotlib.pyplot as plt data = [[np.random.normal(size=100)] for i in range(4)] plt.boxplot(data) plt.title('箱型图示例') plt.show() ``` #### 7. 直方图 (Histogram) 直方图主要用于展现一组连续型数据的频率分布状况。`plt.hist()` 提供了简单易用的方式构建此类图形[^3]。 ```python import matplotlib.pyplot as plt import numpy as np scores = np.random.randn(1000) plt.hist(scores, bins=30, edgecolor='black') plt.title('直方图示例') plt.show() ``` #### 8. 热力图 (Heatmap) 热力图通常用来表示二维矩阵形式的数据强度差异。Seaborn 库提供了专门的方法 seaborn.heatmap() 进一步增强了这一功能[^1]。 以上列举了几种主要由 Matplotlib 自身提供或者配合其他扩展库共同完成的不同种类图表。每一种都有其特定的应用场景和技术细节需要注意调整优化视觉效果达到最佳呈现目的。