【Deviation】50 Matplotlib Visualizations, Python实现，源码可复现

**Matplotlib 可视化图表大全**

在数据分析和科学计算中，图表是展示结果的重要工具。Matplotlib 是一个强大的Python 库，可以创建各种类型的图表。下面是一些常见的 Matplotlib 可视化图表示例。

###1. 箱形图箱形图（Boxplot）用于显示数据分布的一般趋势和离群点。

import matplotlib.pyplot as pltimport numpy as np#生成随机数np.random.seed(0)
data = np.random.randn(100)

# 创建箱形图plt.boxplot(data)
plt.title('Boxplot')
plt.show()

###2. 直方图直方图（Histogram）用于显示数据分布的概率密度。

import matplotlib.pyplot as pltimport numpy as np#生成随机数np.random.seed(0)
data = np.random.randn(100)

# 创建直方图plt.hist(data, bins=10, alpha=0.5)
plt.title('Histogram')
plt.show()

###3. 散点图散点图（Scatter Plot）用于显示两个变量之间的关系。

import matplotlib.pyplot as pltimport numpy as np#生成随机数np.random.seed(0)
x = np.random.randn(100)
y = np.random.randn(100)

# 创建散点图plt.scatter(x, y)
plt.title('Scatter Plot')
plt.show()

###4. 线性图线性图（Line Plot）用于显示一维数据的变化趋势。

import matplotlib.pyplot as pltimport numpy as np#生成随机数np.random.seed(0)
x = np.arange(10)
y = np.random.randn(10)

# 创建线性图plt.plot(x, y)
plt.title('Line Plot')
plt.show()

###5. 条形图条形图（Bar Chart）用于显示分类数据的比较。

import matplotlib.pyplot as pltimport numpy as np#生成随机数np.random.seed(0)
x = ['A', 'B', 'C']
y = [10,20,30]

# 创建条形图plt.bar(x, y)
plt.title('Bar Chart')
plt.show()

###6. 热力图热力图（Heatmap）用于显示数据之间的关联强度。

import matplotlib.pyplot as pltimport numpy as np#生成随机数np.random.seed(0)
data = np.random.randn(10,10)

# 创建热力图plt.imshow(data, cmap='hot', interpolation='nearest')
plt.title('Heatmap')
plt.show()

###7. 雷达图雷达图（Radar Chart）用于显示多个变量之间的比较。

import matplotlib.pyplot as pltimport numpy as np#生成随机数np.random.seed(0)
x = ['A', 'B', 'C']
y1 = [10,20,30]
y2 = [40,50,60]

# 创建雷达图plt.figure(figsize=(6,6))
for i in range(len(x)):
 plt.plot([y1[i], y2[i]], [i, i], 'o-')
plt.title('Radar Chart')
plt.show()

###8. 水平条形图水平条形图（Horizontal Bar Chart）用于显示分类数据的比较。

import matplotlib.pyplot as pltimport numpy as np#生成随机数np.random.seed(0)
x = ['A', 'B', 'C']
y = [10,20,30]

# 创建水平条形图plt.barh(x, y)
plt.title('Horizontal Bar Chart')
plt.show()

###9. 水平直方图水平直方图（Horizontal Histogram）用于显示数据分布的概率密度。

import matplotlib.pyplot as pltimport numpy as np#生成随机数np.random.seed(0)
data = np.random.randn(100)

# 创建水平直方图plt.hist(data, bins=10, alpha=0.5, orientation='horizontal')
plt.title('Horizontal Histogram')
plt.show()

###10. 多维图多维图（Multidimensional Plot）用于显示多个变量之间的关系。

import matplotlib.pyplot as pltimport numpy as np#生成随机数np.random.seed(0)
x = np.random.randn(100)
y = np.random.randn(100)
z = np.random.randn(100)

# 创建多维图fig = plt.figure()
ax1 = fig.add_subplot(121, projection='3d')
ax2 = fig.add_subplot(122, projection='3d')

ax1.scatter(x, y, z)
ax1.set_title('3D Scatter Plot')

ax2.plot(x, y, z)
ax2.set_title('3D Line Plot')

plt.show()

以上这些是Matplotlib可视化图表大全的一部分。通过使用这些例子，你可以快速创建各种类型的图表，展示你的数据分析结果。