【基础】Matplotlib：数据可视化基础

# 2.1 图表类型和配置

Matplotlib 提供了多种图表类型，包括折线图、条形图、散点图、饼图等。这些图表类型可以通过 `pyplot.plot()`、`pyplot.bar()`、`pyplot.scatter()`、`pyplot.pie()` 等函数创建。

图表的外观可以通过 `pyplot.configure()` 函数进行配置。该函数可以设置图表的大小、背景颜色、网格线样式等属性。例如，以下代码设置图表大小为 10 英寸 x 8 英寸，背景颜色为白色，网格线样式为虚线：

import matplotlib.pyplot as plt

# 设置图表大小
plt.figure(figsize=(10, 8))

# 设置背景颜色
plt.gca().set_facecolor('white')

# 设置网格线样式
plt.grid(linestyle='--')

# 2. Matplotlib基本绘图

### 2.1 图表类型和配置

Matplotlib提供了一系列图表类型，包括折线图、散点图、条形图、饼图等。每种图表类型都适合不同的数据类型和可视化目的。

要创建图表，可以使用`matplotlib.pyplot`模块中的`plot()`函数。该函数接受一个或多个数据序列作为输入，并根据图表类型生成相应的可视化。

import matplotlib.pyplot as plt

# 创建折线图
plt.plot([1, 2, 3, 4, 5], [2, 4, 6, 8, 10])
plt.show()

除了图表类型，Matplotlib还允许配置各种属性，例如颜色、线宽、标记类型等。这些属性可以通过`plot()`函数中的参数指定。

# 创建带标记和颜色的折线图
plt.plot([1, 2, 3, 4, 5], [2, 4, 6, 8, 10], color='blue', marker='o')
plt.show()

### 2.2 坐标轴和刻度

坐标轴是图表中用于表示数据值的水平和垂直线。刻度是沿坐标轴标记的数据值。

Matplotlib允许自定义坐标轴和刻度，包括设置轴标签、刻度范围、刻度间隔等。

# 设置坐标轴标签
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 设置刻度范围和间隔
plt.xlim(0, 10)
plt.ylim(0, 100)
plt.xticks(range(0, 11, 2))
plt.yticks(range(0, 101, 20))

# 显示图表
plt.show()

### 2.3 图例和注释

图例用于标识图表中不同数据序列。注释用于在图表上添加额外的文本或形状。

Matplotlib提供`legend()`和`annotate()`函数来创建图例和注释。

# 创建图例
plt.legend(['Series 1', 'Series 2'])

# 添加注释
plt.annotate('Maximum value', xy=(3, 9), xytext=(4, 10), arrowprops=dict(facecolor='black'))

# 显示图表
plt.show()

# 3. Matplotlib高级绘图

### 3.1 散点图和折线图

散点图和折线图是可视化数据点和趋势的常用图表类型。

#### 3.1.1 数据点的标记和颜色

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y = [2,