20种Python数据可视化绘图 直接复制可用

本文介绍20种python数据绘图方法，可直接用于科研绘图或汇报用图。

1.折线图 (Line Plot) - 描述数据随时间或其他变量的变化。

import matplotlib.pyplot as plt

import numpy as np

# 创建数据

x = np.linspace(0, 10, 100)

y = np.sin(x)

# 绘制折线图

plt.figure(figsize=(8, 6))

plt.plot(x, y, label="Sine Wave", color='b', linewidth=2)

# 添加标题和标签

plt.title('Sine Wave Example', fontsize=16)

plt.xlabel('X axis', fontsize=14)

plt.ylabel('Y axis', fontsize=14)

# 显示网格

plt.grid(True)

# 显示图例

plt.legend()

# 显示图形

plt.show()

2.散点图 (Scatter Plot) - 用于展示两个变量之间的关系。

3.条形图 (Bar Plot) - 比较不同类别的数值。

4.直方图 (Histogram) - 数据分布的可视化。

5.盒状图 (Box Plot) - 显示数据的分布情况及异常值。

6.热力图 (Heatmap) - 用于展示二维数据的热度分布。

7.3D 绘图 (3D Plot) - 展示三维数据。

8.交互式图形 (Plotly) - 用于展示交互式可视化。

9.堆叠条形图 (Stacked Bar Chart) - 展示各类别数据的组成部分。

10.雷达图 (Radar Chart) - 用于比较多个变量在不同类别下的表现。

11.热图与回归线结合（Heatmap with Regression Line）。

12.多层次柱状图 (Hierarchical Bar Plot) - 显示不同类别的数据层级关系。

13.配对图 (Pair Plot) - 显示多个变量间的关系。

14.小提琴图 (Violin Plot) - 展示不同类别数据的分布。

15.热力图（带有自定义颜色映射） - 展示数据点之间的关系和强度。

16.面板图 (Facet Grid) - 根据类别分面绘制多图。

17.聚类图 (Clustermap) - 基于数据的层次聚类展示数据间的相似性。

18.地图热力图 (Geospatial Heatmap) - 显示地理位置的数据热度。

19.联合图 (Joint Plot) - 展示两个变量的关系，并显示其分布。

20.Violin + Box Plot (结合小提琴图与盒状图) - 更详细地展示分布信息。