使用 Matplotlib 绘制分类数据

简介

Matplotlib 是 Python 中一个流行的数据可视化库。它为数据探索和展示提供了各种可定制的图表和图形。在本实验中，我们将学习如何使用 Matplotlib 绘制分类变量。

虚拟机使用提示

虚拟机启动完成后，点击左上角切换到“笔记本”标签页，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，可以随时向 Labby 提问。课程结束后请提供反馈，我们会及时为你解决问题。

导入 Matplotlib

第一步是导入 Matplotlib 库。我们还将使用 numpy 库来生成一些示例数据。

import matplotlib.pyplot as plt
import numpy as np

准备数据

接下来，我们将准备一些用于绘图的示例数据。我们将创建一个包含不同水果数量的字典，然后将键和值提取到单独的列表中。

data = {'apple': 10, 'orange': 15, 'lemon': 5, 'lime': 20}
names = list(data.keys())
values = list(data.values())

条形图

条形图是展示分类数据的一种好方法。我们可以使用 bar 函数创建一个条形图。

plt.bar(names, values)
plt.title('Fruit Counts')
plt.xlabel('Fruit')
plt.ylabel('Count')
plt.show()

散点图

我们还可以创建一个散点图来展示两个分类变量之间的关系。在这种情况下，我们将使用相同的水果数据，并给数量添加一些随机噪声以创建第二个变量。

noise = np.random.rand(len(values)) * 5
plt.scatter(names, values + noise)
plt.title('Fruit Counts with Noise')
plt.xlabel('Fruit')
plt.ylabel('Count')
plt.show()

折线图

折线图可用于展示一个分类变量如何随时间变化。在这个例子中，我们将使用关于猫和狗在不同活动期间的幸福水平的数据。

cat = ["bored", "happy", "bored", "bored", "happy", "bored"]
dog = ["happy", "happy", "happy", "happy", "bored", "bored"]
activity = ["combing", "drinking", "feeding", "napping", "playing", "washing"]
plt.plot(activity, dog, label="dog")
plt.plot(activity, cat, label="cat")
plt.title('Happiness Levels')
plt.xlabel('Activity')
plt.ylabel('Happiness')
plt.legend()
plt.show()

总结

在这个实验中，我们学习了如何使用 Matplotlib 绘制分类变量。我们创建了条形图、散点图和折线图来可视化不同类型的分类数据。通过自定义轴标签、标题和图例，我们可以创建信息丰富且视觉上吸引人的图表，以有效地传达我们的数据。