### 绘制10到20范围内数值的图表 为了实现这一目标，可以利用 `matplotlib` 库来创建一个简单的折线图或柱状图。以下是具体方法： #### 使用Matplotlib绘制折线图 通过定义一组数据点并将其可视化为一条或多条曲线。 ```python import matplotlib.pyplot as plt import numpy as np x = np.arange(10, 21, 1) # 定义x轴范围从10到20 y = x ** 2 # 假设y值为x的平方作为示例函数 plt.plot(x, y, label="y=x^2", color='blue', marker='o') # 添加标签和样式 plt.title("Line Chart Example") # 设置标题 plt.xlabel("X-axis Values") # X轴描述 plt.ylabel("Y-axis Values") # Y轴描述 plt.legend() # 显示图例 plt.grid(True) # 启用网格 plt.show() ``` 上述代码展示了如何生成一系列基于二次方程的数据，并将这些数据显示在一个坐标系上[^2]。 #### 创建柱状图表示固定区间内的离散数据分布 如果更倾向于展示不同类别或者分组间的关系，则可以选择柱形统计图形。 ```python categories = ['A', 'B', 'C'] values = [15, 18, 19] positions = np.arange(len(categories)) + 10 # 将位置设置在10至20之间 bar_width = 0.5 # 条形宽度设定 plt.bar(positions, values, bar_width, align='center', alpha=0.7, color=['red', 'green', 'blue']) plt.xticks(positions, categories) # 自定义刻度标记名称替换默认数字索引 plt.ylim([min(values)-2,max(values)+2]) # 调整纵坐标的显示界限以便更好观察差异程度 plt.title('Bar Chart Within Range') plt.xlabel('Categories') plt.ylabel('Values within range of 10 to 20') for i, v in enumerate(values): # 叠加文字标注实际数量便于阅读理解 plt.text(positions[i], v + .3 , str(v)) plt.tight_layout() plt.show() ``` 此脚本片段说明了怎样构建分类别的直方结构形式呈现给定区间的定量信息[^3]。 ---