共计 1896 个字符，预计需要花费 5 分钟才能阅读完成。
欢迎来到 Python 基础入门 Day16！在 Day14 和 Day15 中，我们学习了 Python 爬虫的基础和进阶知识，掌握了如何用 requests 和 Selenium 提取网页数据。今天，我们将进入一个全新的领域：Python 的数据可视化 。
数据可视化是数据分析中不可或缺的一部分，它能帮助我们将数据直观地呈现出来，更容易理解和解释。我们将从最常用的可视化库 matplotlib 入手，并介绍其基本用法。
目录
- 什么是数据可视化？
- 安装和设置
matplotlib - 绘制简单的折线图
- 添加标题、标签和网格
- 绘制柱状图和饼图
- 自定义样式与颜色
- 保存图像到本地
- 小结与练习
一、什么是数据可视化？
数据可视化是将数据以图形或图表的方式展示出来的过程，目的是让数据的模式和关系更容易被人类理解。常见的数据可视化类型包括：
- 折线图 ：展示数据的变化趋势。
- 柱状图 ：比较不同类别的数据。
- 饼图 ：展示数据在整体中的占比。
- 散点图 ：观察数据之间的相关性。
二、安装和设置 matplotlib
matplotlib 是 Python 中最经典的可视化库之一。通过以下命令安装：
pip install matplotlib
安装完成后，导入库时通常会使用缩写：
import matplotlib.pyplot as plt
三、绘制简单的折线图
以下代码展示了如何绘制一个简单的折线图：
import matplotlib.pyplot as plt
# 数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# 绘制折线图
plt.plot(x, y)
# 显示图形
plt.show()
输出效果：
一条连接点 (1, 2), (2, 3), (3, 5), (4, 7), (5, 11) 的折线。
四、添加标题、标签和网格
为了让图表更易理解，我们可以添加标题、坐标轴标签和网格：
plt.plot(x, y)
# 添加标题
plt.title("Prime Numbers")
# 添加坐标轴标签
plt.xlabel("Index")
plt.ylabel("Value")
# 添加网格
plt.grid(True)
plt.show()
五、绘制柱状图和饼图
5.1 柱状图
柱状图适合展示分类数据的对比：
categories = ['A', 'B', 'C', 'D']
values = [3, 7, 8, 5]
plt.bar(categories, values, color='skyblue')
plt.title("Bar Chart Example")
plt.xlabel("Category")
plt.ylabel("Value")
plt.show()
5.2 饼图
饼图适合展示数据在整体中的占比：
labels = ['Python', 'Java', 'C++', 'JavaScript']
sizes = [40, 30, 20, 10]
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)
plt.title("Programming Language Popularity")
plt.show()
六、自定义样式与颜色
matplotlib 提供多种样式选项，可以让图表更具个性化：
6.1 更改线条样式
plt.plot(x, y, linestyle='--', color='red', marker='o')
plt.title("Custom Line Style")
plt.show()
6.2 使用预定义样式
plt.style.use('ggplot') # 选择一个样式
plt.plot(x, y)
plt.title("Styled Plot")
plt.show()
七、保存图像到本地
生成的图表可以保存为图片，便于分享或后续使用：
plt.plot(x, y)
plt.title("Save Example")
plt.savefig("line_chart.png", dpi=300) # 保存为高分辨率图片
plt.show()
注意 ：保存时需要在
plt.show()之前调用plt.savefig()，否则保存的图像可能为空。
八、小结与练习
今天我们学习了如何使用 matplotlib 绘制各种类型的图表，并通过自定义样式和颜色让图表更美观。数据可视化是数据科学的重要工具，掌握它将使你的数据分析更具说服力。
今日练习题：
- 使用折线图展示一天中温度的变化趋势（自定义数据）。
- 使用柱状图比较不同地区的销售额。
- 绘制一个饼图展示你一天时间的分配（如学习、工作、娱乐等）。
下一节预告 ：在 Day17 中，我们将继续深入数据可视化，学习 seaborn，一个更高级的可视化库。敬请期待！
希望你今天学得愉快！如果有任何问题或想法，欢迎随时交流 😊。
