### 数据分析及可视化代码示例 以下是基于 Python 的数据分析和可视化的完整代码示例，其中包括生成两个子图的功能：第一个子图为数据预测的折线图，第二个子图为数据分类的散点图。同时包含了标题、坐标轴标签和图例等细节信息。 #### 折线图与散点图绘制代码 ```python import matplotlib.pyplot as plt import numpy as np # 数据生成 x = np.linspace(0, 10, 100) # 创建均匀分布的 x 值 y_pred = np.sin(x) # 预测数据 (正弦波作为例子) categories = np.random.randint(0, 3, size=50) # 分类标记 scatter_x = np.random.rand(50) * 10 # 散点图 X 轴数据 scatter_y = np.random.rand(50) * 5 # 散点图 Y 轴数据 # 创建画布和子图 fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(12, 6)) # 子图 1: 折线图 axes[0].plot(x, y_pred, label='Prediction', color='blue') axes[0].set_title('Data Prediction Line Chart') # 设置标题 axes[0].set_xlabel('Time') # 设置 X 轴标签 axes[0].set_ylabel('Value') # 设置 Y 轴标签 axes[0].legend(loc='upper right') # 添加图例 # 子图 2: 散点图 for category in range(3): # 不同类别用不同颜色表示 indices = categories == category # 获取当前类别的索引 axes[1].scatter(scatter_x[indices], scatter_y[indices], label=f'Class {category}', alpha=0.7) axes[1].set_title('Data Classification Scatter Plot') # 设置标题 axes[1].set_xlabel('Feature A') # 设置 X 轴标签 axes[1].set_ylabel('Feature B') # 设置 Y 轴标签 axes[1].legend(loc='upper left') # 添加图例 plt.tight_layout() # 自动调整布局 plt.show() ``` 上述代码实现了以下功能： - **数据生成**：通过 `numpy` 自动生成模拟数据[^2]。 - **子图创建**：利用 `matplotlib.pyplot.subplots()` 方法创建包含两个子图的画布。 - **折线图绘制**：在第一个子图中绘制一条代表数据预测趋势的折线，并设置标题、坐标轴标签和图例。 - **散点图绘制**：在第二个子图中根据不同类别绘制散点图，并为每种类别分配不同的颜色，同时添加标题、坐标轴标签和图例。 --- ### 可视化图表的作用说明 直方图、条形图和饼图通常用于展示数据分布和频率统计[^1]，而折线图和散点图则更适合于时间序列分析或变量间关系的研究[^3]。本案例中的折线图展示了连续变化的趋势，散点图揭示了多维空间内的数据分群情况。 ---