### Matplotlib 基本用法及简单可视化方法 #### 1. 安装 Matplotlib 为了使用 Matplotlib，需要先确保其已正确安装。可以借助 `pip` 工具完成安装过程[^2]。 ```bash pip install matplotlib ``` #### 2. 导入 Matplotlib 并创建基础绘图环境 在 Python 脚本或交互环境中导入 Matplotlib 的子模块 `pyplot`，通常将其命名为 `plt`： ```python import matplotlib.pyplot as plt ``` 此操作完成后即可调用 `plt` 提供的各种绘图功能。 #### 3. 折线图绘制 折线图用于展示连续变量的变化趋势。以下是简单的折线图示例代码及其解释： ```python x = [1, 2, 3, 4, 5] y = [2, 3, 5, 7, 11] plt.plot(x, y, label='Line', linestyle='-', color='blue') plt.xlabel('X-axis Label') # X轴标签设置 plt.ylabel('Y-axis Label') # Y轴标签设置 plt.title('Simple Line Plot Example') # 图表标题 plt.legend() # 添加图例 plt.show() ``` 上述代码展示了如何通过调整 `linestyle` 和 `color` 参数来自定义线条样式和颜色[^5]。 #### 4. 柱状图绘制 柱状图适用于比较不同类别的数值大小。以下是一个基本的柱状图例子： ```python categories = ['A', 'B', 'C'] values = [10, 20, 15] plt.bar(categories, values, color=['red', 'green', 'blue']) plt.xlabel('Categories') plt.ylabel('Values') plt.title('Bar Chart Example') plt.show() ``` #### 5. 散点图绘制 散点图能够揭示两个变量之间的关系。下面是一段生成随机数据并绘制散点图的代码： ```python x = np.random.rand(50) y = np.random.rand(50) plt.scatter(x, y, c='purple', marker='o') plt.xlabel('Random Variable X') plt.ylabel('Random Variable Y') plt.title('Scatter Plot Example') plt.show() ``` 在此处，`c` 参数控制点的颜色，而 `marker` 则指定标记形状[^3]。 #### 6. 饼图绘制 当需要表示部分占整体的比例时，可以选择饼图。这里提供了一个制作饼图的例子： ```python sizes = [25, 35, 15, 25] labels = ['First', 'Second', 'Third', 'Fourth'] plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90) plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle. plt.title('Pie Chart Example') plt.show() ``` #### 总结 Matplotlib 是一个强大灵活的数据可视化工具，支持多种图表形式以及高度可定制化的视觉效果[^1]。掌握以上几种常见的图表类型可以帮助快速上手数据分析工作。