python数据可视化示例图

### 使用 Matplotlib 进行数据可视化

为了展示如何利用 Python 的 `Matplotlib` 库进行基本的数据可视化操作，下面提供了一个简单的例子来绘制折线图：

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 绘制折线图
plt.plot(x, y)

# 添加标签和标题
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('简单折线图')

# 显示图形
plt.show()

这段代码展示了怎样通过调用 `plot()` 函数并传入两个列表参数分别作为横坐标与纵坐标的数值序列来进行绘图[^2]。

对于更复杂美观的统计图表需求，则可以考虑使用基于 `Matplotlib` 构建而成的高级接口库 `Seaborn` 来简化某些特定样式图表（比如热力图、箱形图等）的制作过程。以下是使用 Seaborn 制作直方图的一个实例：

import seaborn as sns
import numpy as np

# 设置随机种子以便重现结果
np.random.seed(0)

# 加载内置鸢尾花数据集
iris = sns.load_dataset("iris")

# 绘制分布情况
sns.histplot(data=iris, x="sepal_length", kde=True)

# 展示图像
plt.show()

至于 Plotly，在交互性和动态效果方面有着独特的优势，适合用于构建可交互式的 Web 可视化应用。这里给出一段创建三维散点图的例子：

import plotly.express as px
df = px.data.iris()

fig = px.scatter_3d(df, x='sepal_width', y='sepal_length', z='petal_width',
                    color='species')
fig.show()

上述三个案例分别代表了三种不同风格的数据呈现方式，可以根据实际应用场景和个人偏好选择合适的工具[^1]。