介绍
Python非常适合处理数据。通常，数据集将包括多个变量和许多实例，使得很难了解发生了什么。数据可视化是一种有用的方法，可帮助您识别数据中的模式。 例如，假设你是一个房地产代理，你试图了解房子的年龄和它的售价之间的关系。如果你的数据包括5块房子的1块，它不会太难以了解正在发生什么。但是，假设你想使用整个500个房子的城镇的数据。然后，很难理解年龄如何影响价格。通过绘制销售价格与年龄的关系来可视化数据，肯定能够揭示两者之间存在的关系。 可视化是一种以通用方式传达概念的快速而简单的方法，尤其是那些不熟悉您的数据的人。每当我们使用数据时，可视化通常是分析的必要部分。 我们将使用2D绘图库 matplotlib ，它最初是由约翰·D亨特撰写，并从那时起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线图，散点图，直方图，条形图和更多。每个图以不同的方式呈现数据，在确定数据的最有信息的图之前尝试不同类型的图通常是有用的。记住，可视化是艺术和科学的融合是很好的。 鉴于可视化的重要性，本教程将介绍如何使用matplotlib在Python中绘制数据。我们将使用一小组数据来生成散点图，向标绘添加标题和图例等信息，并通过更改绘图点的外观来自定义绘图。 完成本教程后，您将能够在Python中绘制数据！先决条件
对于本教程，您应该安装Python 3，以及在计算机上设置本地编程环境。如果不是这种情况，你可以按照得到建立 相应的安装和设置指南操作系统 。第1步 - 导入matplotlib
在我们开始使用Python之前，让我们仔细检查matplotlib模块是否安装。在命令行中，通过运行以下命令检查matplotlib：python -c "import matplotlib"
OutputTraceback (most recent call last): File "<string>", line 1, in <module> ImportError: No module named 'matplolib'
pip install matplotlib
scatter.py 。然后，在我们的脚本中，我们导入matplotlib。因为我们只使用绘图模块（pyplot），我们指定当我们导入它。
scatter.py
import matplotlib.pyplot as plt
.pyplot在2002年底
matplotlib 。 为了更容易地指的是我们的脚本模块，我们简称它作为
plt 。现在，我们可以继续创建和绘制我们的数据。
第2步 - 创建数据点以绘图
在我们的Python脚本中，让我们创建一些数据。我们在2D中工作，所以我们将需要我们每个数据点的X和Y坐标。 为了更好地了解matplotlib的工作原理，我们将我们的数据与可能的现实生活场景相关联。让我们假设我们是咖啡店的主人，我们对整年的平均天气和冰咖啡的总购买数量之间的关系感兴趣。我们的X变量将是每月出售的冰咖啡的总数，我们的Y变量将是每个月的平均温度在华氏。 在我们的Python脚本，我们将创建两个列表变量：X （总冰咖啡销售）和
Y （平均温度）。我们各自列表中的每个项目将表示每个月（1月至12月）的数据。例如，1月份的平均气温为32华氏度，咖啡店售出590杯冰咖啡。
scatter.py
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]
第3步 - 绘制数据
散点图很适用于确定两个变量之间的关系，因此我们将使用此图类型作为示例。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，它们表示X和Y坐标值。
scatter.py
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()
plt.show() 在继续之前，让我们检查我们的脚本是否正常工作。保存脚本并通过命令行运行它：
python scatter.py
此窗口非常适合查看数据;它是互动的，包括几个功能，如悬停以显示标签和坐标，放大或缩小，并保存。
第4步 - 添加标题和标签
现在我们知道我们的脚本工作正常，我们可以开始添加信息到我们的情节。为了说明我们的数据代表什么，让我们为每个轴包括一个标题和标签。 我们将开始添加标题。我们在之前添加标题plt.show()在我们的脚本行。
scatter.py
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('Relationship Between Temperature and Iced Coffee Sales')
plt.show()
plt.title行：
scatter.py
...
plt.xlabel('Cups of Iced Coffee Sold')
plt.ylabel('Temperature in Fahrenheit')
...
第5步 - 自定义绘图
我们合作的每个数据集都将是独一无二的，能够自定义我们想要显示我们的信息很重要。记住可视化也是一门艺术，所以得到创意与它！ matplotlib包括许多定制功能，如不同的颜色，点符号和大小。根据我们的需要，我们可能想使用不同的尺度，使用不同的范围为我们的轴。我们可以通过指定轴的新范围来更改默认参数，如下所示：
scatter.py
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('Relationship Between Temperature and Iced Coffee Sales')
plt.show()
...
plt.scatter()调用。我们将更改以下参数：
s：点的大小，默认值= 20c：颜色，顺序，或颜色，默认='B'序列marker：点符号，默认='O'
s=60 ），颜色变为红色（
c='r'符号变成一个三角形（
marker='^' 我们将修改
plt.scatter()函数：
plt.scatter(X, Y, s=60, c='red', marker='^')
scatter.py
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]
#scatter plot
plt.scatter(X, Y, s=60, c='red', marker='^')
#change axes ranges
plt.xlim(0,1000)
plt.ylim(0,100)
#add title
plt.title('Relationship Between Temperature and Iced Coffee Sales')
#add x and y labels
plt.xlabel('Cups of Iced Coffee Sold')
plt.ylabel('Temperature in Fahrenheit')
#show plot
plt.show()
第6步 - 保存绘图
现在我们已经完成了我们的代码，让我们运行它，看看我们新的自定义的情节。python scatter.py
接下来，通过单击保存按钮保存绘图，这是位于底部工具栏上的磁盘图标。请注意，图片将保存为PNG而不是交互式图表。你现在有了你自己的定制散点图，恭喜你！
