前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站。
简介
Python 在处理数据方面非常出色。通常，数据集会包括多个变量和许多实例，这使得很难理解数据的情况。数据可视化是帮助您识别数据模式的一种有用方式。
例如，假设您是一名房地产经纪人，您想要了解房屋的年龄与售价之间的关系。如果您的数据包括 5 栋房屋的数据，那么理解情况就不会太困难。但是，假设您想要使用整个镇上 500 栋房屋的数据，那么理解年龄如何影响价格就会变得非常困难。通过绘制售价与年龄的关系，对数据进行可视化肯定会阐明这两者之间的关系。
可视化是以一种通用方式快速传达概念的方法，特别是对于那些不熟悉您数据的人。每当我们处理数据时，可视化通常是分析的必要部分。
我们将使用 2D 绘图库 matplotlib，最初由 John D. Hunter 编写，自那以后已成为一个非常活跃的开源开发社区项目。它允许您生成高质量的折线图、散点图、直方图、条形图等。每个图以不同的方式呈现数据，通常在确定数据的最具信息量的图之前，尝试不同类型的图表是很有用的。要记住，可视化是艺术和科学的结合。
鉴于可视化的重要性，本教程将描述如何使用 matplotlib 在 Python 中绘制数据。我们将介绍如何使用一小组数据生成散点图，向图表添加标题和图例，并通过更改绘图点的外观来自定义图表。
完成本教程后，您将能够在 Python 中绘制数据！
先决条件
在进行本教程之前，您应该已经安装了 Python 3，并在计算机上设置了本地编程环境。如果不是这种情况，您可以按照适用于您操作系统的相应安装和设置指南进行设置。
步骤 1 — 导入 matplotlib
在我们开始在 Python 中工作之前，让我们再次检查 matplotlib 模块是否已安装。在命令行中，通过运行以下命令检查 matplotlib 是否已安装：
python -c "import matplotlib"
如果 matplotlib 已安装，此命令将顺利完成，我们可以开始了。如果没有安装，您将收到错误消息：
Traceback (most recent call last): File "<string>", line 1, in <module> ImportError: No module named 'matplolib'
如果收到错误消息，请使用 pip 下载该库：
pip install matplotlib
现在 matplotlib 已安装，我们可以在 Python 中导入它。首先，让我们创建我们将在本教程中使用的脚本：scatter.py。然后，在我们的脚本中，让我们导入 matplotlib。由于我们只会使用绘图模块（pyplot），因此在导入时让我们指定它。
import matplotlib.pyplot as plt
我们通过在 matplotlib 末尾添加 .pyplot 来指定我们希望导入的模块。为了在脚本中更容易地引用该模块，我们将其缩写为 plt。现在，我们可以继续创建和绘制我们的数据。
步骤 2 — 创建要绘制的数据点
在我们的 Python 脚本中，让我们创建一些要处理的数据。我们将使用 2D 数据，因此我们将需要每个数据点的 X 和 Y 坐标。
为了更好地理解 matplotlib 的工作原理，我们将把我们的数据与可能的现实场景联系起来。假设我们是一家咖啡店的老板，我们对一年中的平均天气和冰咖啡的总销量之间的关系感兴趣。我们的 X 变量将是每月销售的冰咖啡总数，我们的 Y 变量将是每个月的华氏平均温度。
在我们的 Python 脚本中，我们将创建两个列表变量：X（冰咖啡总销量）和 Y（平均温度）。我们各自列表中的每个项目将代表每个月的数据（一月到十二月）。例如，在一月份，平均温度为 32 华氏度，咖啡店卖出了 590 杯冰咖啡。
import matplotlib.pyplot as plt
X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]
现在我们有了数据，我们可以开始绘图。
步骤 3 — 绘制数据
散点图非常适合用于确定两个变量之间的关系，因此我们将使用这种图表类型作为示例。要使用 matplotlib 创建散点图，我们将使用 scatter() 函数。该函数需要两个参数，分别表示 X 和 Y 坐标值。
import matplotlib.pyplot as plt
X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]
plt.scatter(X,Y)
plt.show()
每次创建图表时，我们都必须使用 plt.show() 指定要显示图表。
在继续之前，让我们检查一下我们的脚本是否正常工作。保存脚本并通过命令行运行：
python scatter.py
如果一切顺利，应该会启动一个窗口显示图表，如下所示：
!Alt 散点图
这个窗口非常适合查看数据；它是交互式的，并包括几个功能，比如悬停显示标签和坐标、放大或缩小以及保存。
步骤 4 — 添加标题和标签
现在我们知道我们的脚本正常工作，我们可以开始向图表中添加信息。为了清楚地表明我们的数据代表什么，让我们在图表中包括一个标题以及每个轴的标签。
我们将从添加标题开始。我们在脚本的 plt.show() 行之前添加标题。
import matplotlib.pyplot as plt
X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]
plt.scatter(X,Y)
plt.title('温度与冰咖啡销量之间的关系')
plt.show()
接下来，在 plt.title 行下方添加轴的标签：
...
plt.xlabel('售出的冰咖啡杯数')
plt.ylabel('华氏温度')
...
如果我们保存脚本并再次运行它，现在应该会得到一个更新的图表，更具信息性。我们的更新后的图表应该看起来像这样：
!Alt 带有标题和 X/Y 标签的散点图
步骤 5 — 自定义图表
我们处理的每个数据集都是独特的，能够自定义我们希望如何显示信息非常重要。记住，可视化也是一门艺术，所以可以在其中发挥创意！matplotlib 包括许多自定义功能，比如不同的颜色、点符号和大小。根据我们的需求，我们可能想尝试不同的比例，为我们的轴使用不同的范围。我们可以通过指定轴的新范围来更改默认参数，如下所示：
import matplotlib.pyplot as plt
X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]
plt.scatter(X,Y)
plt.xlim(0,1000)
plt.ylim(0,100)
plt.title('温度与冰咖啡销量之间的关系')
plt.show()
...
原始图表中的点看起来有点小，蓝色可能不是我们想要的颜色。也许我们想要三角形而不是圆圈作为点的符号。如果我们想要更改点的实际颜色/大小/形状，我们必须在初始的 plt.scatter() 调用中进行这些更改。我们将更改以下参数：
s：点的大小，默认值为 20c：颜色、序列或颜色序列，默认值为 ‘b’marker：点符号，默认值为 ‘o’
可能的标记包括许多不同的形状，如菱形、六边形、星形等。颜色选择包括蓝色、绿色、红色和洋红色等。还可以提供 HTML 十六进制字符串作为颜色。请参阅 matplotlib 的文档，了解可能的标记和颜色的全面列表。
为了使我们的图表更易于阅读，让我们将点的大小加倍（s=60），将颜色更改为红色（c='r'），并将符号更改为三角形（marker='^'）。我们将修改 plt.scatter() 函数：
plt.scatter(X, Y, s=60, c='red', marker='^')
在运行更新后的脚本之前，我们可以再次检查我们的代码是否正确。自定义图表的更新脚本应该看起来像这样：
import matplotlib.pyplot as plt
X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]
#散点图
plt.scatter(X, Y, s=60, c='red', marker='^')
#更改坐标轴范围
plt.xlim(0,1000)
plt.ylim(0,100)
#添加标题
plt.title('温度与冰咖啡销量的关系')
#添加 x 和 y 轴标签
plt.xlabel('售出冰咖啡杯数')
plt.ylabel('华氏温度')
#显示图表
plt.show()
不要忘记在进行第 6 步之前保存你的脚本。
第 6 步 — 保存图表
现在我们已经完成了代码，让我们运行它来查看我们新定制的图表。
python scatter.py
现在应该会打开一个窗口显示我们的图表：
!Alt 带有标题和 X/Y 标签的最终散点图，并使用更大、红色、三角形点进行定制。
接下来，通过单击保存按钮（位于底部工具栏上的磁盘图标）来保存图表。请记住，图像将被保存为 PNG 格式，而不是交互式图表。恭喜你，现在你拥有自己定制的散点图！
结论
在本教程中，你学会了如何使用 Python 中的 matplotlib 绘制数据。现在你可以可视化数据并定制图表。
要继续练习 matplotlib，你可以参考我们的指南“如何使用 Python 3 和 matplotlib 绘制词频图”。
