python3. 如何画图

在Python 3中画图可以通过多种方式实现，其中最常用的库包括Matplotlib、Seaborn和Plotly。这些库提供了强大的工具来创建各种类型的图表和可视化，包括折线图、柱状图、散点图、饼图等。接下来，我将详细介绍如何使用Matplotlib来绘制图表，这是Python中最常用和最基础的绘图库之一。

一、MATPLOTLIB基础

Matplotlib是一个用于创建静态、动画和交互式可视化的Python 2D绘图库。它非常灵活，几乎可以绘制任何类型的图表。

1、安装Matplotlib

在使用Matplotlib之前，需要先安装它。使用以下命令可以通过pip安装Matplotlib：

pip install matplotlib

2、导入Matplotlib

安装完成后，可以在Python脚本中导入Matplotlib：

import matplotlib.pyplot as plt

二、绘制基本图表

1、折线图

折线图是Matplotlib中最简单的图表之一。它适用于显示数据随时间的变化趋势。

import matplotlib.pyplot as plt
数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
绘制折线图
plt.plot(x, y)
添加标题和标签
plt.title("折线图示例")
plt.xlabel("X轴")
plt.ylabel("Y轴")
显示图表
plt.show()

2、散点图

散点图适用于显示两个变量之间的关系。

import matplotlib.pyplot as plt
数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
绘制散点图
plt.scatter(x, y)
添加标题和标签
plt.title("散点图示例")
plt.xlabel("X轴")
plt.ylabel("Y轴")
显示图表
plt.show()

三、定制图表

Matplotlib提供了丰富的定制选项，可以通过设置颜色、线型、标记等参数来修改图表的外观。

1、修改颜色和线型

可以通过color和linestyle参数修改折线图的颜色和线型。

import matplotlib.pyplot as plt
数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
绘制折线图，设置颜色为红色，线型为虚线
plt.plot(x, y, color='red', linestyle='--')
添加标题和标签
plt.title("折线图示例")
plt.xlabel("X轴")
plt.ylabel("Y轴")
显示图表
plt.show()

2、添加标记

可以通过marker参数添加标记点。

import matplotlib.pyplot as plt
数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
绘制折线图，设置颜色为红色，线型为虚线，标记为圆形
plt.plot(x, y, color='red', linestyle='--', marker='o')
添加标题和标签
plt.title("折线图示例")
plt.xlabel("X轴")
plt.ylabel("Y轴")
显示图表
plt.show()

四、使用SEABORN绘图

Seaborn是基于Matplotlib的高级接口，提供了更简洁的语法和更美观的默认样式。它特别适用于统计数据的可视化。

1、安装Seaborn

使用以下命令安装Seaborn：

pip install seaborn

2、导入Seaborn

import seaborn as sns
import matplotlib.pyplot as plt

3、绘制箱线图

箱线图用于显示数据的分布情况，包括中位数、四分位数及异常值。

import seaborn as sns
import matplotlib.pyplot as plt
数据
data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
绘制箱线图
sns.boxplot(data=data)
添加标题
plt.title("箱线图示例")
显示图表
plt.show()

4、绘制热力图

热力图用于显示矩阵数据的热度。

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
数据
data = np.random.rand(10, 12)
绘制热力图
sns.heatmap(data)
添加标题
plt.title("热力图示例")
显示图表
plt.show()

五、使用PLOTLY绘图

Plotly是一个用于创建交互式图表的库，支持多种图表类型，包括3D图表。

1、安装Plotly

使用以下命令安装Plotly：

pip install plotly

2、导入Plotly

import plotly.graph_objects as go

3、绘制3D散点图

3D散点图适用于显示三维数据。

import plotly.graph_objects as go
数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
z = [1, 8, 27, 64, 125]
创建3D散点图
fig = go.Figure(data=[go.Scatter3d(x=x, y=y, z=z, mode='markers')])
添加标题
fig.update_layout(title='3D散点图示例')
显示图表
fig.show()

4、绘制饼图

饼图适用于显示各部分在整体中的比例。

import plotly.graph_objects as go
数据
labels = ['A', 'B', 'C', 'D']
values = [10, 20, 30, 40]
创建饼图
fig = go.Figure(data=[go.Pie(labels=labels, values=values)])
添加标题
fig.update_layout(title='饼图示例')
显示图表
fig.show()

六、高级图表和自定义

1、子图

子图用于在同一图表中显示多个图。

import matplotlib.pyplot as plt
创建子图
fig, axs = plt.subplots(2, 2)
数据
x = [1, 2, 3, 4, 5]
y1 = [1, 4, 9, 16, 25]
y2 = [25, 16, 9, 4, 1]
y3 = [2, 3, 4, 5, 6]
y4 = [6, 5, 4, 3, 2]
绘制子图
axs[0, 0].plot(x, y1)
axs[0, 0].set_title('子图1')
axs[0, 1].plot(x, y2)
axs[0, 1].set_title('子图2')
axs[1, 0].plot(x, y3)
axs[1, 0].set_title('子图3')
axs[1, 1].plot(x, y4)
axs[1, 1].set_title('子图4')
添加整体标题
fig.suptitle('多子图示例')
显示图表
plt.show()

2、动画

Matplotlib还支持动画，可以用来显示动态变化的图表。

import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np
创建数据
x = np.linspace(0, 2*np.pi, 128)
y = np.sin(x)
创建图表
fig, ax = plt.subplots()
line, = ax.plot(x, y)
动画更新函数
def update(frame):
    line.set_ydata(np.sin(x + frame / 10.0))
    return line,
创建动画
ani = animation.FuncAnimation(fig, update, frames=range(100), interval=50)
显示图表
plt.show()

七、总结

Python提供了多种绘图库，可以用于创建各种类型的图表。Matplotlib、Seaborn和Plotly是其中最常用的库，它们各有优势，适用于不同的需求。Matplotlib非常灵活，适合创建复杂的静态图表；Seaborn提供了更简洁的语法和更美观的默认样式，适用于统计数据的可视化；Plotly支持创建交互式图表，适用于需要交互功能的可视化。通过学习和掌握这些库，可以大大提升数据分析和可视化的能力。