Matplotlib/Seaborn绘图
时间: 2025-03-21 19:13:19 浏览: 33
### 使用 Matplotlib 和 Seaborn 进行数据可视化的教程
#### 导入必要的库
为了使用 Matplotlib 或 Seaborn 创建图表,首先需要导入这些库。以下是标准的导入方式:
```python
import matplotlib.pyplot as plt # 导入Matplotlib的核心模块pyplot并命名为plt [^3]
import seaborn as sns # 导入Seaborn用于高级统计图形绘制
```
#### 准备示例数据集
在实际应用中,可以加载自己的数据集或者使用内置的数据集来测试可视化效果。以下是如何准备一个简单的数据集作为示例。
```python
# 示例数据集创建
data = {'Year': [1920, 1930, 1940, 1950, 1960, 1970],
'Unemployment_Rate': [8.0, 7.2, 6.0, 5.4, 6.2, 7.0]}
df = pd.DataFrame(data) # 将字典转换为Pandas DataFrame以便于操作 [^1]
```
#### 绘制折线图
通过 `matplotlib` 可以轻松实现基本类型的图表制作,比如折线图。
```python
# 设置画布大小
plt.figure(figsize=(10, 6))
# 折线图绘制
plt.plot(df['Year'], df['Unemployment_Rate'], marker='o')
# 添加标题和标签
plt.title('Annual Unemployment Rate', fontsize=16)
plt.xlabel('Year', fontsize=14)
plt.ylabel('Unemployment Rate (%)', fontsize=14)
# 显示网格
plt.grid(True)
# 展示图像
plt.show()
```
上述代码展示了如何利用 `matplotlib` 来生成一条带有标记点的时间序列曲线,并设置了坐标轴名称、图表标题以及启用了辅助网格功能 [^2]。
#### 利用 Seaborn 提升视觉质量
虽然可以直接依靠 Matplotlib 完成大部分基础工作,但是借助 Seaborn 库可以让我们的图表更加美观且易于理解。
```python
sns.set_theme(style="whitegrid") # 设定全局样式主题
# 使用Seaborn重绘相同的折线图
sns.lineplot(x='Year', y='Unemployment_Rate', data=df, markers=True, dashes=False)
# 自定义颜色方案
palette = sns.color_palette("bright", 1)
sns.palplot(palette)
# 更新调色板应用于后续所有图
sns.set_palette(palette)
# 再次显示改进后的版本
plt.title('Enhanced Annual Unemployment Rate Visualization')
plt.show()
```
这里我们不仅重复了之前的折线图逻辑,还引入了更丰富的色彩配置选项并通过设置不同的参数增强了整体观感 。
对于进一步学习资源,请查阅官方文档获取更多细节和支持的功能列表 [^4]。
---
阅读全文
相关推荐


















