数据可视化实践: Matplotlib与Seaborn入门

# 1. 数据可视化简介

- 1.1 为什么数据可视化重要
- 1.2 数据可视化的基本原则
- 1.3 数据可视化工具概述

# 2. Matplotlib入门

Matplotlib是一个功能强大的Python数据可视化库，提供了丰富的绘图工具，可以创建各种类型的图表。在本章中，我们将深入了解Matplotlib的基本用法以及常见的图表类型。

### 2.1 Matplotlib简介与历史发展

Matplotlib是由John D. Hunter创建的一个2D绘图库，最初是作为Python的脚本接口而开发的，但后来发展成为一个功能齐全的绘图工具。Matplotlib提供了类似于MATLAB的绘图接口，使得用户可以轻松创建高质量的图形。

### 2.2 Matplotlib基本用法

在使用Matplotlib之前，我们需要导入相关的库：

import matplotlib.pyplot as plt

接下来，我们可以通过以下简单的例子来创建一个基本的折线图：

# 创建数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 6]

# 创建折线图
plt.plot(x, y)

# 添加标题和标签
plt.title('Example Line Plot')
plt.xlabel('x')
plt.ylabel('y')

# 显示图形
plt.show()

### 2.3 Matplotlib常见图表类型

除了折线图，Matplotlib还可以创建许多其他类型的图表，例如散点图、柱状图、饼图、箱线图等。通过调用不同的绘图函数，可以轻松实现各种图表的绘制。接下来，我们将介绍一些常见的图表类型及其基本用法。

希望这些内容能够帮助你快速入门Matplotlib，更深入地了解数据可视化的魅力。

# 3. Matplotlib进阶技巧

在本章中，我们将深入探讨Matplotlib库的一些进阶技巧，帮助您更好地定制和优化数据可视化图表。

#### 3.1 自定义Matplotlib图表

在Matplotlib中，您可以通过设置各种参数和样式来自定义图表。例如，您可以更改线条的颜色和样式，添加标签和标题，调整坐标轴范围等。下面是一个简单的示例代码，演示如何自定义折线图：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

plt.plot(x, y, color='red', linestyle='--', marker='o')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('自定义折线图示例')
plt.grid(True)
plt.show()

**代码说明：**
- `color='red'` 设置线条颜色为红色