Day29：数据可视化之Matplotlib

在前面的章节中，我们学习了Numpy与Pandas两大数据分析库，但是这些都只是对数据进行分析处理的，如何将数据展示出来就要用到我们的可视化工具了。在数据分析中，数据可视化是一种强大的工具，可以帮助我们更好地理解数据的特征、趋势和关系。

Matplotlib是Python中最常用的数据可视化库之一，提供了丰富的绘图功能。本节将详细讲解Matplotlib的应用。

1. 基本绘图元素

在使用Matplotlib进行数据可视化时，我们可以通过一些基本的绘图元素来装饰图形，让我们一起来了解一下：

• 标题：使用plt.title()函数设置图形的标题。

import numpy as np
import matplotlib.pyplot as plt

# 生成数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
# 绘制折线图
plt.plot(x, y1, linestyle='-')
# 添加标题
plt.title('Sin Functions')

# 显示图形
plt.show()

• X轴和Y轴标签：使用plt.xlabel()和plt.ylabel()函数设置X轴和Y轴的标签。

import numpy as np
import matplotlib.pyplot as plt

# 生成数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
# 绘制折线图
plt.plot(x, y1, linestyle='-')
# 添加标签
plt.xlabel('X')
plt.ylabel('Y')

# 显示图形
plt.show()

• 图例：使用plt.legend()函数添加图例，用于标识不同数据系列。

import numpy as np
import matplotlib.pyplot as plt

# 生成数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
# 绘制折线图
plt.plot(x, y1, linestyle='-',label='sin(x)')
plt.plot(x, y2, linestyle='-',label='cos(x)')
# 添加图例
plt.legend()

# 显示图形
plt.show()

• 网格线：使用plt.grid()函数添加网格线，方便读取数据刻度。

import numpy as np
import matplotlib.pyplot as plt

# 生成数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
# 绘制折线图
plt.plot(x, y1, linestyle='-')
plt.plot(x, y2, linestyle='-')
# 添加网格
plt.grid(True)

# 显示图形
plt.show()

• 颜色、线型和标记：使用color、linestyle和marker参数设置线条颜色、线型和标记。

import numpy as np
import matplotlib.pyplot as plt

# 生成数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 绘制折线图
plt.plot(x, y1, color='green', linestyle='-', marker='v', label='sin(x)')
plt.plot(x, y2, color='red', linestyle