### Python中使用Matplotlib和Seaborn生成图表 #### Matplotlib简介 Matplotlib 是一个广泛使用的绘图库，支持多种类型的图表绘制。通过其灵活的功能，用户可以自定义几乎所有的图形属性[^2]。 以下是使用 Matplotlib 绘制简单折线图的示例代码： ```python import matplotlib.pyplot as plt # 定义数据 x = [1, 2, 3, 4, 5] y = [2, 3, 5, 7, 11] # 设置内置样式 plt.style.use('ggplot') # 绘制折线图 plt.plot(x, y) # 添加标题和坐标轴标签 plt.title('Line Chart with Matplotlib') plt.xlabel('X-axis Label') plt.ylabel('Y-axis Label') # 展示图表 plt.show() ``` 此代码展示了如何加载数据并应用预设样式 `ggplot` 来改变图表外观[^3]。 #### Seaborn简介 Seaborn 基于 Matplotlib 构建，提供更高层次的接口以及更加美观的默认风格。它特别适合统计数据分析中的复杂可视化需求[^1]。 下面是一个利用 Seaborn 创建直方图的例子： ```python import seaborn as sns import matplotlib.pyplot as plt # 准备数据 data = [1, 2, 2, 3, 3, 3, 4, 4, 5] # 使用 Seaborn 的 histplot 方法绘制带核密度估计 (KDE) 的直方图 sns.histplot(data, bins=5, kde=True, color='skyblue') # 配置图表标题与坐标轴名称 plt.title('Histogram with KDE using Seaborn') plt.xlabel('Data Values') plt.ylabel('Density or Frequency') # 输出图像 plt.show() ``` 这段脚本说明了怎样借助 Seaborn 库简化操作流程的同时提升视觉效果。 #### 资源推荐 为了深入学习这两款工具的应用方法，可参考以下资料： - **官方文档**: 提供详尽的技术细节与实例指导。 - Matplotlib: https://matplotlib.org/stable/contents.html - Seaborn: https://seaborn.pydata.org/tutorial.html - **书籍建议** - *Python数据可视化：用Matplotlib与Seaborn绘制美观图表*[^4] - *Python数据可视化：使用Matplotlib、Seaborn和Plotly绘制高质量图表* #### 总结 无论是基础还是高级的数据呈现任务，Matplotlib 和 Seaborn 都能胜任，并且两者结合往往能达到事半功倍的效果。掌握这些技能有助于更好地完成数据分析工作。