### 使用 Python 实现的简单可视化小项目 以下是一些基于 Python 的简单可视化项目的示例代码，涵盖了不同的应用场景和技术栈。 --- #### 1. **股票价格趋势图** 通过 `pandas` 和 `matplotlib` 展示某只股票的历史收盘价变化趋势。 ```python import pandas as pd import matplotlib.pyplot as plt # 假设有一个 CSV 文件存储了历史股价数据 data = { 'Date': ['2023-01-01', '2023-01-02', '2023-01-03'], 'Close': [100, 102, 98] } df = pd.DataFrame(data) df['Date'] = pd.to_datetime(df['Date']) plt.figure(figsize=(10, 5)) plt.plot(df['Date'], df['Close'], label='Stock Price') plt.title('Stock Closing Prices Over Time') plt.xlabel('Date') plt.ylabel('Price (USD)') plt.legend() plt.grid(True) plt.show() ``` 此代码展示了如何加载时间序列数据并绘制折线图[^2]。 --- #### 2. **学生考试成绩分布直方图** 利用 `matplotlib` 绘制班级学生的分数分布情况。 ```python import numpy as np import matplotlib.pyplot as plt scores = np.random.normal(loc=75, scale=10, size=100) # 随机生成学生成绩 plt.hist(scores, bins=10, edgecolor='black', color='skyblue') plt.title('Distribution of Student Scores') plt.xlabel('Score') plt.ylabel('Frequency') plt.axvline(np.mean(scores), color='red', linestyle='dashed', linewidth=1, label=f'Mean ({np.mean(scores):.2f})') plt.legend() plt.show() ``` 这段代码模拟了一组学生的考试成绩，并使用直方图展示其分布特性[^2]。 --- #### 3. **全球气温变化热力图** 借助 `numpy` 和 `matplotlib` 制作一个表示温度变化的二维热力图。 ```python import numpy as np import matplotlib.pyplot as plt x = np.linspace(-5, 5, 100) y = np.linspace(-5, 5, 100) X, Y = np.meshgrid(x, y) Z = np.sqrt(X**2 + Y**2) plt.contourf(X, Y, Z, cmap='viridis', levels=20) plt.colorbar(label='Temperature (°C)') plt.title('Global Temperature Variation Heatmap') plt.xlabel('Longitude') plt.ylabel('Latitude') plt.show() ``` 该例子说明了如何创建一个具有颜色梯度的热力图[^1]。 --- #### 4. **社交媒体情感分析词云** 使用 `wordcloud` 库生成反映文本情绪的关键字云图。 ```python from wordcloud import WordCloud import matplotlib.pyplot as plt text = "Python visualization is powerful and fun to learn" wordcloud = WordCloud(width=800, height=400, background_color='white').generate(text) plt.figure(figsize=(10, 5)) plt.imshow(wordcloud, interpolation='bilinear') plt.axis('off') plt.title('Word Cloud of Social Media Sentiment Analysis') plt.show() ``` 这个案例演示了如何将一段文字转换成视觉化的关键词云[^3]。 --- #### 5. **销售数据的交互式柱状图** 采用 `bokeh` 构建可点击的交互式图表。 ```python from bokeh.plotting import figure, show from bokeh.models import ColumnDataSource categories = ['Jan', 'Feb', 'Mar'] sales_data = {'Month': categories, 'Sales': [100, 150, 200]} source = ColumnDataSource(sales_data) p = figure(x_range=categories, title="Monthly Sales Data", toolbar_location=None, tools="") p.vbar(x='Month', top='Sales', width=0.9, source=source, legend_label="Sales") p.xgrid.grid_line_color = None p.y_range.start = 0 show(p) ``` 这里介绍了如何用 Bokeh 创建动态且易于操作的数据呈现方式[^3]。 --- ### 总结 以上五个实例分别涉及金融、教育统计、地理科学以及自然语言处理等领域内的基础应用。每种方法都依赖于特定库的功能优势完成任务目标。