创建常用图表类型

我们将制作一些最常使用的图表类型。这些可视化方法是数据初步分析的核心，能帮助你快速掌握数据集中蕴含的趋势、关系和分布。我们将使用通常导入为“plt”的“matplotlib.pyplot”，以及用于生成示例数据的NumPy。

import matplotlib.pyplot as plt
import numpy as np

# 确保图表能在Jupyter notebook等环境中正确显示
# %matplotlib inline # 如果使用Jupyter，请取消注释

折线图

折线图非常适合显示在连续区间或序列上的趋势，如时间序列数据或数学函数的输出。Matplotlib的“plt.plot()”函数用线连接数据点。

我们来绘制一个简单的二次函数：

# 示例数据：x值及其平方
x = np.arange(0, 10, 0.5) # 值从0到9.5，步长为0.5
y = x**2

# 创建图表
plt.figure(figsize=(8, 4)) # 可选：创建指定大小的图
plt.plot(x, y)

# 添加基本标签以清晰显示
plt.xlabel("X 值")
plt.ylabel("Y 值 (X 的平方)")
plt.title("简单折线图")

# 显示图表
plt.show()

“plt.plot(x, y)”命令接受x坐标和y坐标，并在连续点之间绘制线条。这立即呈现二次函数向上弯曲的趋势。

散点图

散点图用于显示两个数值变量之间的关系。图表上的每个点代表一个观测值，根据其在x轴和y轴上的值确定位置。它们对于识别相关性、聚类或异常值特别有用。请使用“plt.scatter()”函数。

我们来显示两组随机数，以查看是否存在任何明显的关系：

# 示例数据：x和y的50个随机点
np.random.seed(42) # 用于复现性
x = np.random.rand(50)
y = np.random.rand(50)

# 创建散点图
plt.figure(figsize=(8, 5))
plt.scatter(x, y)

# 添加基本标签
plt.xlabel("随机变量 X")
plt.ylabel("随机变量 Y")
plt.title("两个随机变量的散点图")

# 显示图表
plt.show()

在此例中，由于数据是随机的，“plt.scatter(x, y)”生成一团没有明显规律的点，表示这两个变量之间没有相关性。如果存在线性关系，点将倾向于沿着一条线分布。

柱状图

柱状图非常适合比较不同离散类别之间的数量。每个条的长度代表该类别值的量级。Matplotlib提供“plt.bar()”用于垂直条，“plt.barh()”用于水平条。

假设比较不同水果的计数：

# 示例数据：类别及其计数
categories = ['Apples', 'Oranges', 'Bananas', 'Grapes']
counts = [23, 17, 31, 15]

# 创建柱状图
plt.figure(figsize=(7, 5))
plt.bar(categories, counts, color=['red', 'orange', 'yellow', 'purple']) # 可选：指定颜色

# 添加基本标签
plt.xlabel("水果类型")
plt.ylabel("数量")
plt.title("不同水果的数量")

# 显示图表
plt.show()

“plt.bar(categories, counts)”函数创建柱体，其中x轴上的位置由类别决定，y轴上的高度对应计数。我们在这里使用了“color”参数 (parameter)来展示一个简单的定制化。

直方图

直方图有助于显示单个数值变量的分布。它们将数据分组到“箱”（区间）中，并使用柱体显示每个箱中观测值的频率（计数）。这显示其背后的频率分布，例如是否对称、偏斜或多峰。请使用“plt.hist()”函数。

我们来看1000个从标准正态分布中提取的随机数的分布：

# 示例数据：从标准正态分布中提取的1000个点
data = np.random.randn(1000)

# 创建直方图
plt.figure(figsize=(8, 5))
# “bins=30”表示将数据范围分成30个区间
plt.hist(data, bins=30, edgecolor='black') # edgecolor使箱体更清晰

# 添加基本标签
plt.xlabel("值")
plt.ylabel("频率")
plt.title("正态分布数据的直方图")

# 显示图表
plt.show()

“plt.hist(data, bins=30)”自动计算数据范围，将其分成30个等距区间（箱），计数每个箱中落入的数据点数量，并为每个箱绘制一个代表该计数的柱体。生成的形状近似于正态分布的钟形曲线特征。“bins”参数 (parameter)控制分布视图的精细程度。

这四种图表类型：折线图、散点图、柱状图和直方图，为数据初步分析提供了基本工具。虽然这些示例包含了基本标签，但下一节将介绍如何广泛定制图表外观，使其更具信息性并更吸引人。