以下是关于 Python 数据可视化的一些代码示例，分别展示了 Matplotlib 和 Seaborn 的功能： ### 使用 Matplotlib 绘制简单折线图 以下代码演示了如何使用 Matplotlib 创建一个带有标记的折线图，并设置了标题和坐标轴标签[^2]。 ```python import matplotlib.pyplot as plt # 数据 x = [1, 2, 3, 4, 5] y = [2, 3, 5, 7, 11] # 创建图形 plt.plot(x, y, marker='o') # 添加标题和标签 plt.title('Simple Line Plot') plt.xlabel('X-axis') plt.ylabel('Y-axis') # 显示图形 plt.show() ``` --- ### 使用 Seaborn 创建热力图 此代码片段展示了如何利用 Seaborn 库创建一个热力图来可视化相关性矩阵。这里使用了一个内置的数据集 `flights` 来构建透视表并绘制热力图[^1]。 ```python import seaborn as sns import matplotlib.pyplot as plt # 加载数据集 data = sns.load_dataset("flights") # 构建透视表 pivot_data = data.pivot_table(index="month", columns="year", values="passengers") # 绘制热力图 sns.heatmap(pivot_data, cmap="YlGnBu") plt.show() ``` --- ### 使用 Matplotlib 绘制柱状图、饼图和直方图 这段代码说明了如何通过 Matplotlib 实现多种基础图表类型的绘制，包括柱状图、饼图以及直方图[^4]。 ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt # 假设我们有一个 DataFrame 表示某班级学生的身高分布 np.random.seed(0) df = pd.DataFrame({'身高': np.random.normal(loc=170, scale=10, size=100)}) # 设置画布大小 plt.figure(figsize=(10, 6)) # 柱状图 x = ['A', 'B', 'C'] y = [10, 20, 15] plt.subplot(2, 2, 1) plt.bar(x, y) plt.title('Bar Chart') # 饼图 plt.subplot(2, 2, 2) plt.pie(y, labels=x, autopct='%1.1f%%') plt.title('Pie Chart') # 直方图 plt.subplot(2, 2, 3) plt.hist(df['身高'], bins=10, color='skyblue', edgecolor='black') plt.title('Histogram of Heights') plt.tight_layout() plt.show() ``` --- ### 使用 Seaborn 的发散调色板绘制热力图 该示例进一步扩展了 Seaborn 中的颜色配置能力，特别是通过 `diverging_palette` 函数自定义颜色渐变效果[^5]。 ```python import numpy as np import seaborn as sns import matplotlib.pyplot as plt # 随机生成数据 data = np.random.rand(3, 3) # 定义发散型配色方案 cmap = sns.diverging_palette(200, 20, sep=16, as_cmap=True) # 绘制热力图 ax = sns.heatmap(data, cmap=cmap, center=0.5) plt.show() ``` --- #### 注意事项 - **Matplotlib** 是一个高度可定制的基础绘图库，适合制作各类静态、动态及交互式的二维图表。 - **Seaborn** 则是在 Matplotlib 上的一层封装，提供了更高层次的接口用于快速生成美观的统计图表。