您的第一个简单图表

使用 Matplotlib 创建第一个可视化图。这个介绍性示例将生成一个简单的折线图，为构建更复杂的图表奠定基础。

回顾上一节，我们通常像这样导入 Matplotlib 的 pyplot 模块：

import matplotlib.pyplot as plt
import numpy as np # 常用作生成示例数据

我们的目标是直观地呈现一种简单关联，例如，事物随步骤序列如何变化。假设我们有一些数据点。可以使用 Python 列表或 NumPy 数组表示这些点。为此示例，我们使用简单的列表：

# 示例数据：X 值（例如，时间点或序列）
x_values = [0, 1, 2, 3, 4, 5]

# 示例数据：Y 值（例如，与 X 值对应测量数据）
y_values = [0, 1, 4, 9, 16, 25] # 注意这些是 X 值的平方

这里，x_values 代表水平轴坐标，y_values 代表垂直轴坐标。每对对应的点（例如 (0, 0)、(1, 1)、(2, 4) 等）定义了图表上的一个点。

现在，让我们使用 Matplotlib 绘制这些点并用线连接它们。主要的绘图函数是 plt.plot()：

# 1. 创建图表
plt.plot(x_values, y_values)

# 2. 添加标签和标题以提高清晰度
plt.xlabel("X 轴标签")
plt.ylabel("Y 轴标签")
plt.title("我的第一个简单图表")

# 3. 显示图表
plt.show()

让我们解析这段代码：

1. plt.plot(x_values, y_values): 这是核心命令。我们将我们的水平轴数据（x_values）和垂直轴数据（y_values）传递给 plot 函数。Matplotlib 默认使用这些信息绘制点并用线连接它们。
2. plt.xlabel(...)、plt.ylabel(...)、plt.title(...): 并非严格要求才能显示图表，但为轴添加标签和为图表添加标题是使可视化内容易于理解的基础。这些函数向图表的相应部分添加描述性文本。我们稍后将详细介绍自定义选项。
3. plt.show(): 此命令告知 Matplotlib：“好的，我已完成图表定义，现在渲染并显示它。” 如果没有它（在许多环境中，例如标准 Python 脚本），您可能定义了图表，但屏幕上不会出现任何内容。在 Jupyter Notebook 等交互式环境中，图表可能在单元格执行后自动出现，但明确使用 plt.show() 是一种好的习惯。

运行此完整脚本时，您应该会看到一个窗口弹出（或图表直接出现在您的笔记本中），显示一个图形。该图表的 x 轴上将显示 0 到 5 的数字，y 轴上将显示 0 到 25 的数字。您会看到一条线从 (0,0) 开始，上升到 (1,1)，然后是 (2,4)，依此类推，最终在 (5,25) 处结束，形成一条曲线。标签“X 轴标签”、“Y 轴标签”和标题“我的第一个简单图表”也将被显示。

恭喜！您已成功使用 Matplotlib 在 Python 中创建了您的第一个数据可视化图。即使这个简单的例子也展示了基本工作流程：准备数据、使用绘图函数、添加描述性元素并显示结果。在接下来的章节中，我们将以此为基础，制作更丰富、信息量更大的图表。