### 使用 NumPy 和 Matplotlib 进行数据分析与可视化的代码示例 以下是几个典型的使用 NumPy 和 Matplotlib 进行数据分析与可视化的代码示例： #### 示例 1：绘制正弦波形图 此示例展示了如何利用 NumPy 创建数据并用 Matplotlib 绘制正弦曲线。 ```python import numpy as np import matplotlib.pyplot as plt # 利用 NumPy 创建 x 和 y 数据 x = np.linspace(0, 2 * np.pi, 500) # 在 [0, 2π] 上均匀分布 500 个点 y = np.sin(x) # 绘制图像 plt.figure(figsize=(8, 6)) plt.plot(x, y, label='sin(x)', color='blue', linestyle='-', linewidth=2) plt.title('Sine Wave', fontsize=16) plt.xlabel('X-axis (radians)', fontsize=14) plt.ylabel('Y-axis (value)', fontsize=14) plt.legend(fontsize=12) plt.grid(True) plt.show() ``` 这段代码生成了一个简单的正弦波形图，其中 `np.linspace` 函数用于创建一组等间距的数据点[^1]。 --- #### 示例 2：绘制柱状图 该示例演示了如何使用 NumPy 计算统计数据，并通过 Matplotlib 展现这些数据的柱状图形式。 ```python import numpy as np import matplotlib.pyplot as plt # 定义类别及其对应的数值 categories = ['A', 'B', 'C', 'D'] values = np.random.randint(1, 10, size=len(categories)) # 绘制柱状图 plt.bar(categories, values, color=['red', 'green', 'blue', 'orange']) plt.title('Bar Chart Example') plt.xlabel('Categories') plt.ylabel('Values') plt.show() ``` 在此例子中，`np.random.randint` 方法被用来随机生成一些整数作为柱子的高度[^3]。 --- #### 示例 3：雷达图（基于给定引用） 下面是一个完整的雷达图绘制过程，适用于多维度性能评估场景。 ```python import numpy as np import matplotlib.pyplot as plt courses = ['信息资源管理', '专业英语', 'Web开发技术', '数据分析基础', '多元统计分析', '算法设计与分析'] scores = [80, 85, 90, 92, 85, 75] data_length = len(scores) angles = np.linspace(0, 2 * np.pi, data_length, endpoint=False) scores.append(scores[0]) angles = np.append(angles, angles[0]) fig, ax = plt.subplots(subplot_kw={'projection': 'polar'}) ax.plot(angles, scores, 'o--', color='red', linewidth=2) ax.fill(angles, scores, alpha=0.25, color='blue') # 添加角度标签 ax.set_xticks(angles[:-1]) ax.set_xticklabels(courses, fontproperties='SimHei') plt.title('课程评分雷达图') plt.show() ``` 上述代码片段实现了对多个学科成绩的综合表现可视化，采用了极坐标系下的雷达图结构[^2]。 --- #### 示例 4：直方图 本部分说明了怎样借助 NumPy 构建频率分布表并通过 Matplotlib 显示出来。 ```python import numpy as np import matplotlib.pyplot as plt # 随机生成样本数据 data = np.random.randn(1000) num_bins = 30 # 设定组距数量 n, bins, patches = plt.hist(data, num_bins, density=True, facecolor='g', alpha=0.75) plt.xlabel('Value') plt.ylabel('Frequency') plt.title('Histogram of Random Data') plt.grid(True) plt.show() ``` 这里运用到了 `np.random.randn` 来模拟标准正态分布的一系列随机变量，并调用了 `plt.hist()` 函数完成直方图构建工作[^3]。 --- ###