其實初次接觸程式語言,最讓我驚艷的就是matplotlib,起初我以為要產生視覺性內容會非常繁瑣,甚至可能是進階語言才會學到,沒想到竟然有matplotlib這麼方便睿智的模組!
今天我們就來介紹幾種基本的繪圖方式。
建立折線圖
折線圖是最常見的數據視覺化方式之一,用於顯示數據隨時間或其他連續變量的變化。
import matplotlib.pyplot as plt
# 數據
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# 繪製折線圖
plt.plot(x, y, marker='o')
plt.title("a simple line chart")
plt.xlabel("X axis")
plt.ylabel("Y axis")
plt.show()
這段程式碼會生成一個折線圖,其中x和y代表數據點的坐標。marker='o'讓每個數據點以圓點標記出來,增加了可讀性。
建立散佈圖
散佈圖用來顯示兩個變量之間的關係,
import matplotlib.pyplot as plt
# 數據
x = [5, 7, 8, 7, 2, 17, 2, 9, 4, 11]
y = [99, 86, 87, 88, 100, 86, 103, 87, 94, 78]
# 繪製散佈圖
plt.scatter(x, y, color='r')
plt.title("a simple scatter chart")
plt.xlabel("X axis")
plt.ylabel("Y axis")
plt.show()
這段程式碼會生成一個散佈圖,每個點代表x和y的值對。通過觀察點的分佈,可以了解變量之間的相關性。
建立直方圖
直方圖是一種顯示數據分佈的圖表,用來展示數據集中不同區間的頻率。這對於了解數據的分佈情況非常有用
import matplotlib.pyplot as plt
# 數據
data = [22, 55, 62, 45, 21, 22, 34, 42, 42, 23, 22, 41, 50, 51, 52]
# 繪製直方圖
plt.hist(data, bins=5, color='g', rwidth=0.8)
plt.title("a simple bar chart")
plt.xlabel("value range")
plt.ylabel("frequency")
plt.show()
這段程式碼會生成一個直方圖,bins=5將數據分成5個區間,rwidth=0.8設置了柱狀圖的寬度。
有時候實際做了才知道沒想像中的難,只能說,很多事情偉大的前人都幫你準備好了!