本次实验八：Numpy是一个C语言编写的库，运行速度非常快，可以进行高维数据处理； Matplotlib是一个类似于matlab的一个库 Pandas是一个数据处理和清洗的库，他基于Numpy建立，也是一个C语言编写的一个库。 自行绘制你们学习以来，不同内容的6个图形；题目自拟；代码不同。

好的，我明白了。以下是六个不同内容的图形，每个图形都有对应的代码实现。

1. 折线图

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [10, 8, 6, 4, 2]

plt.plot(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Line Chart')
plt.show()

2. 散点图

import numpy as np
import matplotlib.pyplot as plt

x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50)
size = np.random.rand(50) * 100

plt.scatter(x, y, c=colors, s=size)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Scatter Plot')
plt.show()

3. 条形图

import numpy as np
import matplotlib.pyplot as plt

category = ['Cat', 'Dog', 'Bird', 'Fish']
count = [20, 35, 18, 27]

plt.bar(category, count)
plt.xlabel('Category')
plt.ylabel('Count')
plt.title('Bar Chart')
plt.show()

4. 饼图

import matplotlib.pyplot as plt

labels = ['Apple', 'Banana', 'Orange', 'Grape']
sizes = [30, 25, 20, 15]

plt.pie(sizes, labels=labels, autopct='%1.1f%%')
plt.title('Pie Chart')
plt.show()

5. 直方图

import numpy as np
import matplotlib.pyplot as plt

data = np.random.randn(1000)

plt.hist(data, bins=30)
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram')
plt.show()

6. 箱线图

import numpy as np
import matplotlib.pyplot as plt

data = np.random.randn(100)

plt.boxplot(data)
plt.xlabel('Data')
plt.title('Box Plot')
plt.show()

希望这些图形能够帮助你更好地理解Matplotlib和Numpy的使用。