### Python 数据可视化案例与示例代码 以下是几个常见的基于 Python 的数据可视化案例及其对应的示例代码： #### 折线图 折线图用于展示连续变量的变化趋势。以下是一个简单的折线图绘制示例： ```python import matplotlib.pyplot as plt # 定义数据 x = [1, 2, 3, 4, 5] y = [2, 3, 5, 7, 11] # 绘制折线图 plt.plot(x, y, label='Line', color='blue') plt.title('Simple Line Chart') # 设置图表标题 plt.xlabel('X-axis Label') # X轴标签 plt.ylabel('Y-axis Label') # Y轴标签 plt.legend() # 显示图例 plt.show() ``` 此代码展示了如何利用 `matplotlib` 库创建基本的折线图[^1]。 #### 散点图 散点图常用来表示两个变量之间的关系。下面是一段实现散点图的代码： ```python import numpy as np import matplotlib.pyplot as plt # 随机生成数据 np.random.seed(0) x = np.random.rand(50) y = np.random.rand(50) # 创建散点图 plt.scatter(x, y, c='red', alpha=0.5, label='Scatter Points') plt.title('Scatter Plot Example') # 图表标题 plt.xlabel('Random X Values') # X轴标签 plt.ylabel('Random Y Values') # Y轴标签 plt.legend() # 添加图例 plt.grid(True) # 启用网格 plt.show() ``` 这段代码说明了如何使用随机数生成一组二维坐标，并将其绘制成散点图[^2]。 #### 柱状图 柱状图适合比较不同类别的数值大小。这里提供了一个基础的柱状图例子： ```python import matplotlib.pyplot as plt categories = ['A', 'B', 'C', 'D'] values = [10, 15, 7, 12] # 绘制柱状图 plt.bar(categories, values, color=['green', 'orange', 'purple', 'brown']) plt.title('Bar Chart Example') # 图表标题 plt.xlabel('Categories') # X轴标签 plt.ylabel('Values') # Y轴标签 plt.show() ``` 该部分介绍了通过指定类别和对应值的方式