Python科学画图代码分享

前言

Python是一门优秀的编程语言，尤其在科学计算领域拥有广泛的应用。Python科学画图模块也越来越受到关注。通过本篇文章，我们将学习如何用Python科学画图模块来进行数据可视化，并分享一些常用的代码。

本篇文章将重点介绍以下三个主要的Python科学画图模块：

• Matplotlib：Python中最常用的科学画图模块之一。
• Seaborn：基于Matplotlib的数据可视化工具。
• Plotly：一个用于创建交互图形的库。

Matplotlib

安装

在终端下输入以下命令来安装Matplotlib：

pip install matplotlib

基本代码

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

plt.plot(x, y)
plt.show()

以上代码将绘制一条平滑的曲线。

示例代码

绘制散点图

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

plt.scatter(x, y)
plt.show()

以上代码将绘制一张散点图。

绘制多条曲线

import matplotlib.pyplot as plt

x = list(range(-10, 11))
y1 = [i**2 for i in x]
y2 = [i**3 for i in x]

plt.plot(x, y1, "r-", label="y=x^2")
plt.plot(x, y2, "g-", label="y=x^3")
plt.legend(loc="upper left")
plt.show()

以上代码将绘制两条曲线，再加上图例。

Seaborn

安装

在终端下输入以下命令来安装Seaborn：

pip install seaborn

基本代码

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")
sns.set_style("whitegrid")

sns.scatterplot(x="total_bill", y="tip", data=tips)
plt.show()

以上代码将绘制一张散点图，同时也展示了Seaborn的主题样式。

示例代码

绘制多条直方图

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")
sns.set_style("whitegrid")

g = sns.FacetGrid(tips, row="sex", col="time")
g.map(plt.hist, "total_bill")
plt.show()

以上代码将绘制四张子图，同时也展示了Seaborn的灵活性。

Plotly

安装

在终端下输入以下命令来安装Plotly：

pip install plotly

基本代码

import plotly.graph_objs as go

fig = go.Figure(data=go.Bar(x=[1, 2, 3, 4, 5], y=[2, 4, 6, 8, 10]))
fig.show()

以上代码将绘制一张条形图。

示例代码

绘制双系列直方图

import plotly.express as px

titanic = px.data.titanic()

fig = px.histogram(titanic, x="age", color="sex", marginal="box")
fig.show()

以上代码将绘制一张双系列直方图，同时也展示了Plotly对于数据的探索能力。

结语

本篇文章介绍了Python科学画图的三个主要模块，以及它们的基本用法和示例代码。这些模块不仅可以用于数据科学领域，也可以在其他领域中进行数据可视化。

这里只是介绍了这三个库的一部分用法，还有很多值得探索的内容等待开发者去发掘。