实践：创建简单的折线图和散点图

创建简单的折线图和散点图。这涉及应用各种自定义方法以有效地可视化数据。动手实践这些练习将有助于增强对 Matplotlib 绘图基本流程的理解。

首先，请确保您已导入 Matplotlib 和 NumPy。我们将使用 NumPy 生成一些用于绘图的示例数据。

import matplotlib.pyplot as plt
import numpy as np

练习一：创建和自定义折线图

假设我们想在一个特定范围内展示一个简单二次函数（例如 $y = x^2$）的变化趋势。

1. 生成数据：我们来创建一些 $x$ 值并计算相应的 $y$ 值。

   # 生成从 -5 到 5 的 x 值
   x_line = np.linspace(-5, 5, 100)
   # 计算 y 值 (y = x^2)
   y_line = x_line**2
   

2. 绘制图形：使用 plt.plot() 创建折线图。

   # 创建一个 Figure 和 Axes 对象
   fig, ax = plt.subplots()
   
   # 绘制数据
   ax.plot(x_line, y_line)
   
   # 显示图形
   plt.show()
   

   运行这段代码将显示一个基本的抛物线折线图。

3. 添加标签和标题：通过添加标题和坐标轴标签，使图形更具说明性。

   fig, ax = plt.subplots()
   ax.plot(x_line, y_line)
   
   # 添加标题和标签
   ax.set_title("二次函数：y = x^2")
   ax.set_xlabel("X 值")
   ax.set_ylabel("Y 值 (x^2)")
   
   plt.show()
   

4. 自定义外观：让我们将线条改为红色虚线，并使其稍微粗一些。

   fig, ax = plt.subplots()
   
   # 绘制并自定义
   ax.plot(x_line, y_line, color='#f03e3e', linestyle='--', linewidth=2) # 红色虚线
   
   ax.set_title("自定义二次函数：y = x^2")
   ax.set_xlabel("X 值")
   ax.set_ylabel("Y 值 (x^2)")
   
   plt.show()
   

5. 设置坐标轴范围：将视图集中在 $x$ 值介于 0 和 4 之间的正 x 轴部分。

   fig, ax = plt.subplots()
   ax.plot(x_line, y_line, color='#f03e3e', linestyle='--', linewidth=2)
   ax.set_title("聚焦二次函数：y = x^2")
   ax.set_xlabel("X 值")
   ax.set_ylabel("Y 值 (x^2)")
   
   # 设置 x 轴和 y 轴的范围
   ax.set_xlim(0, 4)
   ax.set_ylim(0, 16) # y 最高到 4^2 = 16
   
   plt.show()
   

以下是整合了所有步骤的最终代码：

import matplotlib.pyplot as plt
import numpy as np

# 1. 生成数据
x_line = np.linspace(-5, 5, 100)
y_line = x_line**2

# 2. 创建 Figure 和 Axes
fig, ax = plt.subplots()

# 3. 绘制并自定义
ax.plot(x_line, y_line, color='#f03e3e', linestyle='--', linewidth=2)

# 4. 添加标题和标签
ax.set_title("聚焦二次函数：y = x^2")
ax.set_xlabel("X 值")
ax.set_ylabel("Y 值 (x^2)")

# 5. 设置坐标轴范围
ax.set_xlim(0, 4)
ax.set_ylim(0, 16)

# 6. 显示图形
plt.show()

该图清晰地显示了 $x$ 在 0 到 4 之间时 $y = x^2$ 的关系，并带有说明性标签和独特样式。

折线图显示了 $x$ 在 0 到 4 之间时 $y=x^2$ 的关系。线条为红色虚线。

练习二：创建和自定义散点图

现在，我们来创建一个散点图，以展示两组随机但有些关联的数据点之间的关系。

1. 生成数据：我们将创建两个数组 x_scatter 和 y_scatter。让 y_scatter 稍微依赖于 x_scatter，并加入一些随机性。

   # 设置随机种子以保证结果可重现
   np.random.seed(42)
   
   # 生成 50 个随机 x 值
   x_scatter = np.random.rand(50) * 10 # 值在 0 到 10 之间
   
   # 生成具有一定关联性和噪声的 y 值
   y_scatter = x_scatter + np.random.randn(50) * 2 # y = x + 随机噪声
   

2. 绘制图形：使用 plt.scatter() 绘制这些点。

   fig, ax = plt.subplots()
   
   # 创建散点图
   ax.scatter(x_scatter, y_scatter)
   
   plt.show()
   

   这将显示原始散点图。

3. 添加标签和标题：为图形添加背景信息。

   fig, ax = plt.subplots()
   ax.scatter(x_scatter, y_scatter)
   
   # 添加标题和标签
   ax.set_title("两个变量之间的关系")
   ax.set_xlabel("自变量 (X)")
   ax.set_ylabel("因变量 (Y)")
   
   plt.show()
   

4. 自定义外观：让我们将标记 (token)颜色改为橙色，增大其尺寸，并使用 alpha 参数 (parameter)使其稍微透明。

   fig, ax = plt.subplots()
   
   # 绘制并自定义
   ax.scatter(x_scatter, y_scatter, color='#fd7e14', s=50, alpha=0.7) # 橙色，大小 50，略透明
   
   ax.set_title("自定义的两个变量之间的关系")
   ax.set_xlabel("自变量 (X)")
   ax.set_ylabel("因变量 (Y)")
   
   plt.show()
   

以下是散点图的最终代码：

import matplotlib.pyplot as plt
import numpy as np

# 1. 生成数据
np.random.seed(42) # 用于结果可重现
x_scatter = np.random.rand(50) * 10
y_scatter = x_scatter + np.random.randn(50) * 2

# 2. 创建 Figure 和 Axes
fig, ax = plt.subplots()

# 3. 绘制并自定义
ax.scatter(x_scatter, y_scatter, color='#fd7e14', s=50, alpha=0.7) # 橙色，大小 50，透明度 0.7

# 4. 添加标题和标签
ax.set_title("自定义的两个变量之间的关系")
ax.set_xlabel("自变量 (X)")
ax.set_ylabel("因变量 (Y)")

# 5. 显示图形
plt.show()

该散点图显示了代表 X 和 Y 之间关系的独立数据点，并进行了样式处理以提高可见性。

散点图显示了两个变量之间的关系。标记是橙色的半透明圆圈。

这些练习涵盖了本章的核心技能：创建折线图和散点图，添加必要的标签和标题，以及自定义颜色、线条样式和标记属性等视觉元素。通过为折线图尝试不同的函数、调整散点图数据中的噪声水平，或查看 Matplotlib 中可用的其他颜色代码和线条样式，进一步尝试。您练习得越多，就会越熟悉这些基本工具。