Python实战学习之matplotlib绘图

Python是一种简洁易懂、功能强大的编程语言，广泛应用于数据处理、科学计算、web开发等各个领域。其中，matplotlib是Python中最流行的绘图库之一，其灵活的API和丰富的功能，使它成为数据可视化的重要工具。本文将介绍如何使用Python中matplotlib库进行数据可视化绘图并实现各种有趣的图表展示。

安装matplotlib

在开始绘图前，需要先安装matplotlib库。可以使用conda、pip等包管理工具进行安装，比如：

conda install matplotlib

pip install matplotlib

也可以在官方网站下载源码进行手动安装。安装完成后，即可开始使用。

绘制简单图表

matplotlib可以绘制各种各样的图表，如散点图、折线图、柱状图、饼图等。下面，我们将从简单的线性函数示例开始，介绍如何使用matplotlib绘制图表。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = x

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

上述代码定义了x和y两个变量，分别代表x轴和y轴的取值范围。使用np.linspace()生成一个等间距的数列，范围为0到10，共100个数，作为x轴的取值范围。y轴的取值范围和x轴相同。然后，使用plt.plot()函数将x和y连成一条线，并使用plt.show()函数显示图表。运行以上代码，即可得到一张简单的直线图。

加载数据绘制图表

matplotlib可以从本地或者远程数据源中加载数据，并使用各种图表展示数据的分布情况。下面，我们以波士顿房价数据集为例，展示如何使用matplotlib加载并绘制数据。首先，需要安装scikit-learn库，并使用load_boston()函数加载数据。

from sklearn.datasets import load_boston

boston = load_boston()
data = boston.data
target = boston.target

加载完成后，可以使用以下代码将数据绘制成散点图。

plt.scatter(data[:, 5], target)
plt.show()

上述代码中，使用plt.scatter()函数将第6列特征和目标变量绘制成散点图。直观的展示了两者之间的线性关系。运行以上代码，即可得到如下图表。

绘制多个子图

matplotlib还支持绘制多个子图。有时候，同一份数据需要在多方面进行展示，这时候绘制多个子图是非常有用的。例如，我们可以将散点图和KDE（核密度估计）绘制在同一个画布上，以展示同一份数据的不同侧面。示例代码如下：

fig, ax = plt.subplots(1, 2, figsize=(12, 6))

ax[0].scatter(data[:, 5], target)
ax[0].set_xlabel("RM")
ax[0].set_ylabel("Price")

ax[1].hist(data[:, 5], bins=30)
ax[1].set_xlabel("RM")
ax[1].set_ylabel("Frequency")
plt.show()

上述代码中，使用plt.subplots()函数创建了一个1x2的画布，并指定画布的大小为12x6。然后，使用ax[0]和ax[1]分别表示两个子图。ax[0]绘制了数据的散点图，并设置x轴和y轴的标签。ax[1]绘制了数据的KDE直方图。最后使用plt.show()函数展示了整个画布。

运行以上代码，即可得到如下图表。

总结

本文介绍了如何使用Python中最流行的数据可视化库——matplotlib，绘制各种图表，展示数据的可视化。从简单的线性函数示例开始，逐渐展示了如何加载数据绘制图表、绘制多个子图等操作。通过本文的学习，相信读者一定能够掌握matplotlib的基础知识，走上数据可视化的道路。