怎么用jupyter notebook的python代码画图

在 Jupyter Notebook 中使用 Python 进行数据可视化绘图，通常可以借助 `matplotlib` 和 `seaborn` 等库来实现。以下是一些常见的数据可视化方法及其实现方式。 ### 使用 matplotlib 绘制基本图表 `matplotlib` 是 Python 中最常用的绘图库之一，支持多种图表类型，包括折线图、柱状图、散点图等。 #### 折线图 ```python import matplotlib.pyplot as plt # 示例数据 x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] # 创建折线图 plt.plot(x, y) plt.xlabel('X轴标签') plt.ylabel('Y轴标签') plt.title('折线图示例') plt.show() ``` #### 柱状图 ```python categories = ['A', 'B', 'C', 'D'] values = [3, 7, 2, 5] # 创建柱状图 plt.bar(categories, values) plt.xlabel('类别') plt.ylabel('数值') plt.title('柱状图示例') plt.show() ``` #### 散点图 ```python import numpy as np # 生成随机数据 x = np.random.rand(50) y = np.random.rand(50) # 创建散点图 plt.scatter(x, y) plt.xlabel('X轴') plt.ylabel('Y轴') plt.title('散点图示例') plt.show() ``` ### 使用 seaborn 绘制更复杂的图表 `seaborn` 基于 `matplotlib`，提供了更高层次的接口，使得绘制统计图表更加简单美观。 #### 热力图 ```python import seaborn as sns import pandas as pd # 创建一个数据框 data = pd.DataFrame({ 'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9] }, index=['X', 'Y', 'Z']) # 创建热力图 sns.heatmap(data, annot=True) plt.title('热力图示例') plt.show() ``` #### 分布图 ```python # 生成随机数据 data = np.random.randn(1000) # 创建分布图 sns.histplot(data, kde=True) plt.title('分布图示例') plt.show() ``` ### 在 Jupyter Notebook 中显示图表 为了确保图表能够在 Jupyter Notebook 中正确显示，需要添加以下魔法命令： ```python %matplotlib inline ``` 这条命令会将图表直接嵌入到 Notebook 的单元格中。 ### 使用 IPython.display 显示图像 如果你希望以更灵活的方式控制图像的显示，可以使用 `IPython.display` 模块中的 `display` 函数。 ```python from IPython.display import display import matplotlib.pyplot as plt # 创建图表 plt.figure(figsize=(5, 3)) plt.plot([1, 2, 3], [4, 5, 1]) plt.title("示例图表") # 显示图表 display(plt.gcf()) ``` ### 数据可视化方法 - **折线图**：适用于展示趋势变化。 - **柱状图**：用于比较不同类别的数据。 - **散点图**：用于观察两个变量之间的关系。 - **热力图**：用于展示矩阵形式的数据，颜色深浅表示数值大小。 - **分布图**：用于了解数据的分布情况。 这些方法可以帮助你在 Jupyter Notebook 中有效地进行数据可视化[^1]。