python 作图如何显示

在Python中作图可以通过多种库实现，如Matplotlib、Seaborn、Plotly等。这些库各具特色，Matplotlib是基础且功能强大的绘图库、Seaborn提供了更高级和美观的统计图表、Plotly则专注于交互式图表。使用Matplotlib可以通过plt.show()函数显示图表，Seaborn与Matplotlib结合使用，而Plotly的图表则可以在浏览器中显示。以下将详细介绍Matplotlib的使用，以展示如何在Python中作图并显示。

一、MATPLOTLIB的基础使用

Matplotlib是Python中最流行和最常用的2D绘图库。它提供了一种简单的方法来创建静态、交互式和动画的图形。要使用Matplotlib，首先需要安装它，可以通过以下命令实现：

pip install matplotlib

绘制简单图表

在Matplotlib中，最基本的绘图功能是使用pyplot模块。以下是一个简单的例子，展示如何绘制一条简单的折线图。

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y)
plt.xlabel('X Axis Label')
plt.ylabel('Y Axis Label')
plt.title('Simple Line Plot')
plt.show()

上述代码片段首先导入pyplot模块，然后定义了两个列表x和y，分别表示x轴和y轴的数据。plt.plot()函数用于绘制图形，plt.xlabel()和plt.ylabel()用于设置x轴和y轴的标签，plt.title()用于设置图表的标题，最后plt.show()用于显示图表。

自定义图表

Matplotlib允许用户自定义图表的外观，包括颜色、线型、标记等。以下是一个示例：

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y, color='green', linestyle='dashed', marker='o', markerfacecolor='blue')
plt.xlabel('X Axis Label')
plt.ylabel('Y Axis Label')
plt.title('Custom Line Plot')
plt.show()

在这个例子中，color参数用于设置线条颜色，linestyle参数设置线条样式，marker参数用于设置数据点的标记样式，markerfacecolor设置标记的颜色。

二、SEABORN的高级绘图功能

Seaborn是基于Matplotlib构建的高级统计数据可视化库。它提供了一些高级接口，用于绘制吸引人的统计图形。

安装和基本使用

Seaborn可以通过以下命令安装：

pip install seaborn

使用Seaborn绘制图表非常简单，并且它与Pandas数据框很好地集成在一起。以下是一个简单的例子：

import seaborn as sns
import matplotlib.pyplot as plt
使用自带数据集
tips = sns.load_dataset('tips')
绘制基本的散点图
sns.scatterplot(x='total_bill', y='tip', data=tips)
plt.title('Seaborn Scatter Plot')
plt.show()

在这个例子中，Seaborn直接从自带的数据集中加载数据，并使用sns.scatterplot()函数绘制散点图。

高级绘图

Seaborn提供了许多高级绘图功能，如联合图、对角图、热图等。以下是一个联合图的示例：

import seaborn as sns
import matplotlib.pyplot as plt
tips = sns.load_dataset('tips')
绘制联合图
sns.jointplot(x='total_bill', y='tip', data=tips, kind='reg')
plt.show()

在这个例子中，sns.jointplot()用于绘制联合图，并通过kind参数指定图表类型为回归图。

三、PLOTLY的交互式图表

Plotly是一个用来制作交互式图表的开源库。它可以生成在网页中显示的图表，并且支持多种编程语言。

安装和基本使用

Plotly可以通过以下命令安装：

pip install plotly

以下是一个使用Plotly绘制简单折线图的例子：

import plotly.express as px
创建简单折线图
fig = px.line(x=[1, 2, 3, 4, 5], y=[2, 3, 5, 7, 11], labels={'x': 'X Axis', 'y': 'Y Axis'}, title='Plotly Line Plot')
fig.show()

在这个例子中，使用plotly.express模块的line()函数创建折线图，并通过fig.show()在浏览器中显示图表。

高级使用

Plotly可以创建复杂的交互式图表，如三维图表、地图、仪表盘等。以下是一个三维散点图的示例：

import plotly.express as px
import pandas as pd
创建数据
df = pd.DataFrame({
    'x': [1, 2, 3, 4, 5],
    'y': [2, 3, 5, 7, 11],
    'z': [5, 4, 3, 2, 1]
})
绘制3D散点图
fig = px.scatter_3d(df, x='x', y='y', z='z', title='3D Scatter Plot')
fig.show()

在这个例子中，我们使用Pandas创建一个数据帧，然后使用plotly.express模块的scatter_3d()函数创建三维散点图。

四、MATPLOTLIB与SEABORN的结合使用

Seaborn实际上是构建在Matplotlib之上的，它扩展并改善了Matplotlib的功能。因此，在许多情况下，Seaborn和Matplotlib可以结合使用，以充分利用两者的优点。

结合使用的优势

Seaborn提供了更高级的接口和更美观的默认样式，但它并不能完全替代Matplotlib的所有功能。在某些情况下，尤其是需要精细调整图表时，结合使用Seaborn和Matplotlib会更加有效。

示例

以下是一个结合使用Seaborn和Matplotlib的例子：

import matplotlib.pyplot as plt
import seaborn as sns
使用Seaborn自带数据集
tips = sns.load_dataset('tips')
使用Seaborn绘制箱线图
sns.boxplot(x='day', y='total_bill', data=tips)
使用Matplotlib进行进一步的调整
plt.title('Boxplot of Total Bill by Day')
plt.xlabel('Day of the Week')
plt.ylabel('Total Bill')
plt.show()

在这个例子中，我们首先使用Seaborn绘制了一个箱线图，然后使用Matplotlib的plt.title()、plt.xlabel()和plt.ylabel()函数来设置标题和轴标签。

五、在JUPYTER NOTEBOOK中显示图表

在Jupyter Notebook中显示图表时，通常需要使用魔法命令%matplotlib inline来确保图表在笔记本中内嵌显示，而不是弹出一个新的窗口。

基本使用

在Jupyter Notebook中，简单地使用%matplotlib inline即可：

%matplotlib inline
import matplotlib.pyplot as plt
import seaborn as sns
tips = sns.load_dataset('tips')
sns.scatterplot(x='total_bill', y='tip', data=tips)
plt.show()

与其他库结合

在Jupyter Notebook中使用Plotly时，通常不需要额外的设置，因为Plotly会自动在浏览器中显示图表。

六、总结

Python的可视化库提供了丰富的功能来创建各种类型的图表，并且每个库都有其独特的优势。Matplotlib适合需要精细控制的静态图表，Seaborn提供了更美观的统计图表，而Plotly适合创建交互式图表。根据具体需求选择合适的库，并结合使用它们，可以实现强大而灵活的数据可视化功能。