Python数据分析之matplotlib常用统计图总结

在Python数据分析中，matplotlib是一个非常流行的绘图库，用于创建各种类型的统计图。下面我们将总结matplotlib中常用的统计图类型，并通过实例演示如何使用它们进行数据可视化。

1. 线形图（Line Chart）
   线形图是最基本的统计图之一，用于展示数据随时间变化的趋势。在matplotlib中，可以使用plot()函数绘制线形图。

   import matplotlib.pyplot as plt
   # 创建数据
   x = [1, 2, 3, 4, 5]
   y = [2, 3, 5, 7, 11]
   # 绘制线形图
   plt.plot(x, y)
   plt.xlabel('X轴标签')
   plt.ylabel('Y轴标签')
   plt.title('线形图示例')
   plt.show()

2. 柱状图（Bar Chart）
   柱状图用于展示分类数据的比较关系。在matplotlib中，可以使用bar()函数绘制柱状图。

   import matplotlib.pyplot as plt
   # 创建数据
   categories = ['Category A', 'Category B', 'Category C']
   values = [10, 15, 7]
   # 绘制柱状图
   plt.bar(categories, values)
   plt.xlabel('分类标签')
   plt.ylabel('值')
   plt.title('柱状图示例')
   plt.show()

3. 饼图（Pie Chart）
   饼图用于展示各部分在整体中所占的比例。在matplotlib中，可以使用pie()函数绘制饼图。

   import matplotlib.pyplot as plt
   # 创建数据
   labels = ['A', 'B', 'C']
   sizes = [20, 30, 50]
   # 绘制饼图
   plt.pie(sizes, labels=labels, autopct='%1.1f%%')
   plt.title('饼图示例')
   plt.show()

4. 散点图（Scatter Plot）
   散点图用于展示两个变量之间的关系。在matplotlib中，可以使用scatter()函数绘制散点图。

   import matplotlib.pyplot as plt
   import numpy as np
   # 创建数据
   x = np.random.rand(50) * 10
   y = np.random.rand(50) * 10
   # 绘制散点图
   plt.scatter(x, y)
   plt.xlabel('X轴标签')
   plt.ylabel('Y轴标签')
   plt.title('散点图示例')
   plt.show()