Python 基础入门 Day08

欢迎来到 Python 基础入门 Day08！在前几天的学习中，我们已经掌握了 Python 的基本语法、数据结构、函数与模块、文件操作、异常处理、面向对象编程，以及常用内置模块和正则表达式。如果你还没有学习之前的内容，可以通过以下链接进行复习：

• Python 基础入门 Day01
• Python 基础入门 Day02
• Python 基础入门 Day03
• Python 基础入门 Day04
• Python 基础入门 Day05
• Python 基础入门 Day06
• Python 基础入门 Day07

今天，我们将学习 Python 的数据可视化工具。数据可视化是展示数据分析结果的有力工具，可以帮助我们直观地理解数据。我们将重点介绍 matplotlib 和 pandas 两个常用的 Python 库。

目录

1. 数据可视化简介
2. matplotlib 基础
3. pandas 数据处理与可视化
4. 综合实例：绘制多种图表
5. 小结与练习

---

一、数据可视化简介

数据可视化是将数据转化为图表的过程，通过视觉化手段揭示数据中的规律和趋势。Python 提供了多个强大的可视化库，其中最常用的是 matplotlib 和 pandas 的内置绘图功能。

---

二、matplotlib 基础

matplotlib 是 Python 最基础的绘图库，可以创建各种静态、交互式和动画图表。

2.1 安装 matplotlib

在使用前，确保已安装 matplotlib：

pip install matplotlib

2.2 绘制简单的折线图

import matplotlib.pyplot as plt # 数据 x = [1, 2, 3, 4, 5] y = [10, 15, 13, 18, 16] # 绘制折线图 plt.plot(x, y, marker='o') plt.title('简单折线图') plt.xlabel('X 轴') plt.ylabel('Y 轴') plt.grid(True) plt.show()

2.3 绘制柱状图

# 数据 categories = ['A', 'B', 'C', 'D'] values = [4, 7, 1, 8] # 绘制柱状图 plt.bar(categories, values, color='skyblue') plt.title('简单柱状图') plt.xlabel('类别') plt.ylabel('值') plt.show()

---

三、pandas 数据处理与可视化

pandas 是 Python 最常用的数据分析库，自带强大的数据处理和可视化功能。

3.1 安装 pandas

pip install pandas

3.2 使用 pandas 读取 CSV 文件

import pandas as pd # 读取 CSV 文件 df = pd.read_csv('data.csv') print(df.head())

3.3 使用 pandas 绘制折线图

# 生成示例数据 data = {'Year': [2018, 2019, 2020, 2021, 2022], 'Sales': [100, 150, 200, 250, 300]} df = pd.DataFrame(data) # 绘制折线图 df.plot(x='Year', y='Sales', kind='line', marker='o', title='年度销售额') plt.show()

3.4 使用 pandas 绘制饼图

# 绘制饼图 df.plot(kind='pie', y='Sales', labels=df['Year'], autopct='%1.1f%%', title='销售占比') plt.ylabel('') # 移除 y 轴标签 plt.show()

---

四、综合实例：绘制多种图表

我们来综合运用 matplotlib 和 pandas 绘制多种图表，展示数据的多样性。

4.1 绘制多条折线图

import matplotlib.pyplot as plt import pandas as pd # 创建数据 data = { 'Month': ['Jan', 'Feb', 'Mar', 'Apr', 'May'], 'Product A': [30, 35, 40, 50, 45], 'Product B': [20, 25, 30, 35, 30] } df = pd.DataFrame(data) # 绘制多条折线图 plt.plot(df['Month'], df['Product A'], marker='o', label='Product A') plt.plot(df['Month'], df['Product B'], marker='s', label='Product B') plt.title('产品月销售趋势') plt.xlabel('月份') plt.ylabel('销售额') plt.legend() plt.grid(True) plt.show()

4.2 绘制散点图

# 生成随机数据 import numpy as np x = np.random.rand(50) y = np.random.rand(50) # 绘制散点图 plt.scatter(x, y, color='purple') plt.title('随机散点图') plt.xlabel('X 轴') plt.ylabel('Y 轴') plt.show()

---

五、小结与练习

今天我们学习了 Python 的数据可视化工具，重点介绍了 matplotlib 和 pandas 的使用。数据可视化能帮助我们更直观地分析和展示数据。

今日练习题：

1. 使用 matplotlib 绘制一条表示气温变化的折线图，X 轴为日期，Y 轴为气温。
2. 使用 pandas 读取一个 CSV 文件，并绘制相应的柱状图。
3. 使用 matplotlib 绘制一个包含多个类别的堆叠柱状图。
4. 使用 pandas 绘制一个散点图，展示两组数据之间的关系。

下一节预告：在 Day09 中，我们将学习 Python 的高级特性，包括生成器、装饰器和上下文管理器，敬请期待！

---