动手实践：绘制不同数据类型图表

通过示例数据制作条形图、直方图和饼图。这种动手操作的体验将帮助你巩固对每种 Matplotlib 图表类型使用时机和方法的理解。

首先，请确保已导入 Matplotlib，通常使用以下标准约定：

import matplotlib.pyplot as plt
import numpy as np # 我们将使用 NumPy 生成一些示例数据

实践 1：创建条形图

条形图非常适合比较不同类别之间的数量。假设我们想可视化一个小杂货摊中不同类型水果的销售数量。

数据： 假设我们有以下销售数据：

• 苹果：50 个单位
• 橙子：35 个单位
• 香蕉：65 个单位
• 葡萄：42 个单位

步骤：

1. 准备数据： 为水果名称（类别）及其对应的销售数据（值）创建列表。
2. 创建条形图： 使用 plt.bar() 函数，传入 x 轴的类别和 y 轴的值。
3. 添加标签和标题： 使用 plt.xlabel()、plt.ylabel() 和 plt.title() 使图表易于理解。
4. 显示图表： 使用 plt.show()。

代码：

import matplotlib.pyplot as plt

# 1. 准备数据
fruit_names = ['Apples', 'Oranges', 'Bananas', 'Grapes']
units_sold = [50, 35, 65, 42]

# 2. 创建条形图
plt.figure(figsize=(6, 4)) # 可选：调整图表大小
plt.bar(fruit_names, units_sold, color='#339af0') # 使用蓝色系的颜色

# 3. 添加标签和标题
plt.xlabel('水果类型')
plt.ylabel('销售数量')
plt.title('水果销售比较')
plt.xticks(rotation=45) # 如果 x 轴标签重叠，则旋转
plt.tight_layout() # 调整布局以防止标签重叠

# 4. 显示图表
plt.show()

运行此代码将生成一个条形图，显示每种水果的销售情况，从而轻松看出香蕉的销量最高。

挑战： 尝试修改上述代码，使用 plt.barh() 创建一个水平条形图。请记住相应地切换参数并调整标签（plt.xlabel 变为“销售数量”，plt.ylabel 变为“水果类型”）。

实践 2：生成直方图

直方图通过将数据分组到“箱”（bins）中并显示每个箱中观测值的频率，帮助我们理解单个数值变量的分布情况。让我们可视化一个班级的考试分数分布。

数据： 我们将使用 NumPy 生成一些随机考试分数来模拟分布。假设分数为 100 分制，并且大致服从均值为 75 的正态分布。

步骤：

1. 生成示例数据： 使用 np.random.normal() 创建一个分数数组。
2. 创建直方图： 使用 plt.hist()，传入数据并可选地指定箱的数量，或者让 Matplotlib 自行决定。
3. 添加标签和标题： 为坐标轴添加标签，并给图表一个描述性标题。
4. 显示图表： 使用 plt.show()。

代码：

import matplotlib.pyplot as plt
import numpy as np

# 1. 生成示例数据 (例如，100 个考试分数)
np.random.seed(42) # 为确保结果可重现
exam_scores = np.random.normal(loc=75, scale=10, size=100)
# 确保分数在实际范围内 (例如，0-100)
exam_scores = np.clip(exam_scores, 0, 100)

# 2. 创建直方图
plt.figure(figsize=(7, 5))
plt.hist(exam_scores, bins=10, color='#51cf66', edgecolor='black') # 使用 10 个箱，绿色

# 3. 添加标签和标题
plt.xlabel('考试分数')
plt.ylabel('学生数量')
plt.title('考试分数分布')

# 4. 显示图表
plt.show()

这段代码将生成一个直方图，显示在特定分数范围（即箱）内有多少学生得分。你可以通过改变 bins 参数（例如 bins=5，bins=20）来试着调整，看看它如何影响分布的呈现。

实践 3：制作饼图

饼图用于显示整体的比例。让我们可视化一个学生每月开支的百分比构成。

数据： 假设开支分类如下：

• 租金：40%
• 食物：25%
• 交通：15%
• 水电费：10%
• 娱乐：10%

步骤：

1. 准备数据： 为类别标签及其对应的百分比值创建列表。
2. 创建饼图： 使用 plt.pie()，传入值和标签。使用 autopct 在扇区上显示百分比。
3. 添加标题： 使用 plt.title()。添加 plt.axis('equal') 以确保饼图为圆形。
4. 显示图表： 使用 plt.show()。

代码：

import matplotlib.pyplot as plt

# 1. 准备数据
expense_categories = ['Rent', 'Food', 'Transport', 'Utilities', 'Entertainment']
percentages = [40, 25, 15, 10, 10]
colors = ['#748ffc', '#ff922b', '#51cf66', '#fcc419', '#f06595'] # 靛蓝色, 橙色, 绿色, 黄色, 粉色

# 2. 创建饼图
plt.figure(figsize=(6, 6))
plt.pie(percentages, labels=expense_categories, colors=colors,\n        autopct='%1.1f%%', # 将百分比格式化为一位小数
        startangle=90)     # 从顶部（90度）开始绘制第一个扇区

# 3. 添加标题并确保为圆形
plt.title('每月开支细分')
plt.axis('equal') # 相等纵横比确保饼图为圆形

# 4. 显示图表
plt.show()

这会生成一个饼图，说明学生预算是如何分配的。虽然它在显示简单比例时很有用，但请记住，当类别过多或比例非常相似时，饼图会变得难以阅读。对于比较而言，条形图通常是更好的选择。

你现在已经练习了本章涵盖的基本图表类型：用于比较的条形图、用于分布的直方图和用于比例的饼图。你可以随意修改这些示例中的样本数据或参数，看看图表如何变化。这种尝试是培养直觉的好方法，能帮助你判断哪种图表最适合不同类型的数据和分析问题。