### Matplotlib 支持的图表类型 Matplotlib 提供了多种类型的图表来满足不同的可视化需求。以下是几种常见的图表及其示例。 #### 折线图 折线图是最基础的一种图表形式，适用于显示连续的数据变化趋势。 ```python import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 10, 100) plt.figure(figsize=(8, 6)) plt.plot(x, x, label='y=x') plt.plot(x, x ** 2 / 10, label=r'$y=\frac{x^2}{10}$') plt.title('Line Chart Example', fontsize=16) plt.xlabel('X-axis Label', fontsize=14) plt.ylabel('Y-axis Label', fontsize=14) plt.legend() plt.grid(True) plt.show() ``` #### 散点图 散点图用来展示两个变量之间的关系，特别适合于观察数据间的关联性和模式。 ```python np.random.seed(42) data_x = np.random.rand(50) data_y = np.random.rand(50) plt.figure(figsize=(8, 6)) plt.scatter(data_x, data_y, c='red', marker='o') plt.title('Scatter Plot Example', fontsize=16) plt.xlabel('Data X', fontsize=14) plt.ylabel('Data Y', fontsize=14) plt.grid(True) plt.show() ``` #### 条形图 条形图用于比较不同类别的数值大小，直观清晰。 ```python categories = ['Category A', 'Category B', 'Category C'] values = [7, 9, 5] plt.figure(figsize=(8, 6)) plt.bar(categories, values, color=['blue', 'green', 'orange']) plt.title('Bar Chart Example', fontsize=16) plt.xlabel('Categories', fontsize=14) plt.ylabel('Values', fontsize=14) plt.show() ``` #### 直方图 直方图展示了数据分布的情况，有助于理解数据集内部结构[^3]。 ```python mu, sigma = 100, 15 x = mu + sigma * np.random.randn(10000) num_bins = 50 fig, ax = plt.subplots() n, bins, patches = ax.hist(x, num_bins, density=True, alpha=0.75) ax.set_xlabel('Smarts') ax.set_ylabel('Probability density') ax.set_title(r'Histogram of IQ: $\mu=100$, $\sigma=15$') plt.show() ``` #### 箱型图 箱型图能够有效地概括一组或多组数据的主要统计特性，如中位数、四分位间距等。 ```python all_data = [np.random.normal(0, std, size=100) for std in range(1, 4)] fig, ax = plt.subplots(figsize=(10, 6)) bp = ax.boxplot(all_data, patch_artist=True) colors = ['#FF9999','#66B2FF','#99FF99'] for patch, color in zip(bp['boxes'], colors): patch.set_facecolor(color) ax.yaxis.grid(True) ax.set_xticks([y+1 for y in range(len(all_data))], ) ax.set_xlabel('Sample Group') ax.set_ylabel('Random Number Value') plt.show() ```