【进阶篇】高级数据可视化：Matplotlib中的自定义图形设计

# 2.1.1 图形尺寸和坐标轴控制

在Matplotlib中，可以通过`figure.set_size_inches()`函数来设置图形的尺寸，单位为英寸。例如：

import matplotlib.pyplot as plt

# 创建一个图形对象
fig = plt.figure()

# 设置图形尺寸为6英寸宽，4英寸高
fig.set_size_inches(6, 4)

此外，还可以通过`ax.set_xlim()`和`ax.set_ylim()`函数来控制坐标轴的范围。例如：

# 设置x轴范围为0到10
ax.set_xlim(0, 10)

# 设置y轴范围为0到100
ax.set_ylim(0, 100)

# 2. Matplotlib中的高级图形设计技巧

### 2.1 图形定制和美化

#### 2.1.1 图形尺寸和坐标轴控制

**代码块：**

import matplotlib.pyplot as plt

# 设置图形尺寸
fig, ax = plt.subplots(figsize=(8, 6))

# 设置坐标轴范围
ax.set_xlim(0, 10)
ax.set_ylim(0, 100)

# 设置坐标轴标签
ax.set_xlabel("X-axis")
ax.set_ylabel("Y-axis")

# 显示图形
plt.show()

**逻辑分析：**

* `figsize` 参数设置图形的宽度和高度，单位为英寸。
* `set_xlim()` 和 `set_ylim()` 函数分别设置 x 轴和 y 轴的范围。
* `set_xlabel()` 和 `set_ylabel()` 函数设置坐标轴的标签。

#### 2.1.2 图例和标题的自定义

**代码块：**

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3]
y1 = [2, 4, 6]
y2 = [3, 5, 7]

# 创建图形
fig, ax = plt.subplots()

# 绘制数据
ax.plot(x, y1, label="Line 1")
ax.plot(x, y2, label="Line 2")

# 设置图例
plt.legend(loc="upper left")

# 设置标题
plt.title("Customizing the Legend and 

# 3.1 统计图形和分布图

统计图形和分布图是数据可视化中常用的工具，它们可以帮助我们了解数据的分布、中心趋势和离散程度。Matplotlib提供了丰富的统计图形和分布图类型，包括直方图、箱线图、散点图、密度图和热力图。

#### 3.1.1 直方图、箱线图和散点图

**直方图**显示了数据在不同区间内的分布情况。它将数据划分为一系列相等的区间（称为箱），并计算每个区间内数据的数量。直方图可以帮助我们了解数据的形状、中心趋势和离散程度。

import matplotlib.pyplot as plt
import numpy as np

# 生成正态分布数据
data = np.random.normal(0, 1, 1000)

# 绘制直方图
plt.hist(data, bins=20)
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram of Random Dat