matplotlib与seaborn

数据可视化是数据分析中至关重要的一部分，能够帮助我们直观地理解数据集中的模式和趋势。在Python中，matplotlib和seaborn是最常用的可视化库。下面将详细介绍这两个库的基本用法。

1. Matplotlib基础

1.1 安装Matplotlib

首先，确保你已经安装了matplotlib库。如果尚未安装，可以使用以下命令进行安装：

pip install matplotlib

1.2 基本绘图

matplotlib的核心是pyplot模块，它提供了许多函数用于生成图形。以下是一个简单的线性图示例：

import matplotlib.pyplot as plt

# 数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 创建图形
plt.plot(x, y, marker='o')

# 添加标题和标签
plt.title('Simple Line Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图形
plt.show()

1.3 常用图形类型

• 折线图：展示变量之间的关系，适合连续数据。
• 散点图：用于观察两个变量之间的关系，适合展示分布情况。
• 柱状图：用于比较不同类别的数据，适合离散数据。
• 饼图：展示各部分在整体中的占比。

示例：绘制散点图和柱状图

# 散点图
plt.scatter(x, y, color='r')
plt.title('Scatter Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

# 柱状图
plt.bar(x, y)
plt.title('Bar Chart')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

2. Seaborn基础

2.1 安装Seaborn

与matplotlib一样，首先确保你安装了seaborn库：

pip install seaborn

2.2 使用Seaborn进行绘图

seaborn是在matplotlib之上构建的，提供了更美观、更复杂的统计图表。下面是使用seaborn进行数据可视化的基本示例。

import seaborn as sns
import matplotlib.pyplot as plt

# 示例数据
tips = sns.load_dataset('tips')

# 创建箱线图
sns.boxplot(x='day', y='total_bill', data=tips)
plt.title('Total Bill by Day')
plt.show()

2.3 常用图形类型

• 散点图：sns.scatterplot()
• 线性回归图：sns.regplot()
• 箱线图：sns.boxplot()
• 小提琴图：sns.violinplot()
• 热图：sns.heatmap()

示例：绘制热图

# 计算相关性矩阵
corr = tips.corr()

# 创建热图
sns.heatmap(corr, annot=True, cmap='coolwarm')
plt.title('Correlation Heatmap')
plt.show()

3. 自定义图形

无论是matplotlib还是seaborn，我们都可以自定义图形的外观，包括颜色、样式和标签等。

3.1 自定义样式

# 设置样式
sns.set(style='whitegrid')

# 绘制自定义图形
sns.scatterplot(x='total_bill', y='tip', data=tips, hue='day', style='time')
plt.title('Tips Distribution by Day and Time')
plt.show()

3.2 保存图形

可以使用savefig方法将图形保存到文件中：

plt.savefig('scatter_plot.png')

4. 总结

在数据分析中，matplotlib和seaborn是两个强大的可视化工具。掌握它们的基本用法后，可以有效的展示和理解数据，通过图形化的方式更容易发现数据中的趋势和模式。

练习

1. 使用matplotlib绘制不同类型的图形：折线图、散点图、柱状图。
2. 使用seaborn加载内置数据集，并绘制一个复杂的统计图，如小提琴图或热图。
3. 自定义图表样式并保存输出。

通过不断的练习和实际操作，你将对数据可视化有更深入的理解和掌握。