1、安装 Matplotlib
Matplotlib 是一个功能强大且受欢迎的 Python 库，用于生成 2D 图表和图形。它因其灵活性、广泛的功能和用户友好的界面而广泛用于各种科学、工程和数据分析应用。
可以通过 pip 安装，命令如下，
pip install matplotlib
或
python3 -m pip install matplotlib
2、绘制简单的折线图
Matplotlib 的 plot() 函数用于创建和绘制各种类型图表的核心函数之一。它支持多种数据类型和绘图样式，并提供丰富的定制选项。
参数说明：
|
参数 |
描述 |
|
x |
一维数组或列表，表示数据点的横坐标。 |
|
y |
一维数组或列表，表示数据点的纵坐标。 |
|
color |
指定线条颜色，可以是字符串颜色名或 RGB 颜色值。 |
|
linewidth |
指定线条宽度。 |
|
linestyle |
指定线条样式，例如 - (实线)、 -- (虚线)、 -. (点划线) 等。 |
|
marker |
指定数据点标记形状，例如 o (圆)、 x (叉)、 * (星) 等。 |
|
markersize |
指定数据点标记大小。 |
|
label |
指定用于图例的标签。 |
使用示例：Python Numpy 数据可视化
2、绘制散点图
Matplotlib 的 scatter() 函数用于绘制散点图，可以将数据点以不同形状和颜色进行可视化，有助于分析数据分布和探索变量之间的关系。
参数说明：
|
参数 |
描述 |
|
x |
一维数组或列表，表示数据点的横坐标。 |
|
y |
一维数组或列表，表示数据点的纵坐标。 |
|
c |
指定数据点颜色，可以是字符串颜色名、RGB 颜色值或一维数组。 |
|
s |
指定数据点大小，可以是单个值或一维数组。 |
|
marker |
指定数据点形状，例如 o (圆)、 x (叉)、 * (星) 等。 |
|
alpha |
指定数据点透明度，取值范围为 0.0 (完全透明) 到 1.0 (完全不透明)。 |
|
edgecolors |
指定数据点边缘颜色，可以是字符串颜色名、RGB 颜色值或一维数组。 |
|
linewidths |
指定数据点边缘宽度，可以是单个值或一维数组。 |
使用示例：Python Numpy 数据可视化
3、绘制直方图
Matplotlib 的 hist()函数用于绘制直方图，可以显示数据的分布情况，并可以直观地了解数据中存在的值、频次以及分布形状。
参数说明：
|
参数 |
描述 |
|
x |
一维数组或列表，表示数据点。 |
|
bins |
指定直方图的柱状图数量，默认为 10。 |
|
range |
指定直方图的绘制范围，例如 (min_value, max_value)。 |
|
histtype |
指定直方图的类型，例如 'bar' (柱状图)、 'step' (阶梯图) 等。 |
|
color |
指定直方图柱状图的颜色，可以是字符串颜色名、RGB 颜色值或一维数组。 |
|
alpha |
指定直方图柱状图的透明度，取值范围为 0.0 (完全透明) 到 1.0 (完全不透明)。 |
|
edgecolor |
指定直方图柱状图边缘的颜色，可以是字符串颜色名、RGB 颜色值或一维数组。 |
|
linewidth |
指定直方图柱状图边缘的宽度。 |
使用示例：Python Numpy 数据可视化
4、多图并列显示
Matplotlib 的 subplots() 函数用于创建具有多个子图的图形，它可以在同一页面中显示多个相关的数据可视化效果。
|
参数 |
描述 |
|
nrows |
指定子图的行数。 |
|
ncols |
指定子图的列数。 |
|
figsize |
指定图形的整体大小，单位为英寸。 |
|
sharex |
指定是否共享 X 轴，可以是 True (共享)、 False (不共享) 或 'all' (所有子图共享)。 |
|
sharey |
指定是否共享 Y 轴，可以是 True (共享)、 False (不共享) 或 'all' (所有子图共享)。 |
|
squeeze |
指定是否将单个子图的返回值转换为 Axes 对象。 |
返回值：
|
返回值 |
描述 |
|
fig |
Figure 对象，包含整个图形。 |
|
axes |
Axes 对象或列表，包含各个子图。 |
使用示例：Python Numpy 数据可视化
标签：颜色,数组,Python,数据,指定,直方图,可视化,一维,Numpy From： https://www.cnblogs.com/tinyblog/p/17899937.html