Pyplot 的功能

1. Pyplot 基礎

建立簡單圖表

現在我們有了 Matplotlib，那來搞懂它的基礎部分吧！Pyplot 是 Matplotlib 中一個小但超實用的模組。 它可以快速而簡單地建立圖表，差不多就像你在畫布上畫畫一樣。

import matplotlib.pyplot as plt

# 建立簡單的圖表
plt.plot([0, 1, 2, 3], [0, 1, 4, 9])
plt.show()

這樣你就完成了第一個圖表！它可能不會很美，但相信我，這只是個起點。

優化圖表

在 pyplot 中繪製圖表包含幾個基本步驟：

1. 準備圖表的資料。
2. 選擇圖表類型（例如，plot() 用於線性圖）。
3. 設定圖表（標籤、標題和圖例）。
4. 使用 show() 函數顯示圖表。

我們來試著優化我們的第一個圖表...

線性圖

import matplotlib.pyplot as plt

# 圖表資料
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 繪製線性圖
plt.plot(x, y)

# 設定軸標籤和標題
plt.xlabel("X")
plt.ylabel("Y")
plt.title("線性圖範例")

# 顯示圖表
plt.show()

此程式碼繪製出線性圖，在 X 軸上顯示 x 的值， 在 Y 軸上顯示 y 的值。 使用 xlabel()、ylabel() 和 title() 可以為圖表添加標籤和標題。

2. Pyplot 的主要圖表類型

1. 線性圖 plot()

線性圖常用於顯示隨時間變化的數據或分析趨勢。

x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]

plt.plot(x, y, marker="o", color="b", linestyle="--")
plt.xlabel("時間")
plt.ylabel("值")
plt.title("線性圖")
plt.show()

在這裡，我們使用 marker、color 和 linestyle 參數來設定圖表外觀。

2. 直方圖 hist()

直方圖用來顯示數據分佈和分析值的出現頻率。

data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5]

plt.hist(data, bins=5, color="skyblue", edgecolor="black")
plt.xlabel("值")
plt.ylabel("頻率")
plt.title("直方圖")
plt.show()

在這裡，參數 bins 定義了直方圖的列數， 而 edgecolor 為每一列添加邊框。

3. 圓餅圖 pie()

圓餅圖用來顯示各分類在整體數據的比例。

labels = ["貓", "狗", "鳥"]
sizes = [40, 35, 25]

plt.pie(sizes, labels=labels, autopct="%1.1f%%", startangle=90)
plt.title("圓餅圖")
plt.show()

在這裡，autopct 用於顯示每個分類的百分比， 而 startangle 旋轉圖表。

4. 散點圖 scatter()

散點圖適用於分析兩個變數間的關係。

x = [1, 2, 3, 4, 5]
y = [5, 7, 8, 5, 6]

plt.scatter(x, y, color="red")
plt.xlabel("X")
plt.ylabel("Y")
plt.title("散點圖")
plt.show()

散點圖適合用來尋找 X 軸和 Y 軸數值之間的關聯性。

5. 長條圖 bar()

長條圖適合用於比較各分類之間的值。

categories = ["A", "B", "C", "D"]
values = [10, 15, 7, 20]

plt.bar(categories, values, color="lightblue")
plt.xlabel("分類")
plt.ylabel("值")
plt.title("長條圖")
plt.show()

在這裡，categories 和 values 分別代表分類的標籤及其對應的值。

現在你已經熟悉了 Matplotlib 的基本設定和操作， 並且完全準備好建立你的第一張圖表了。但這只是我們探索的起點。 在接下來的課程中，我們會深入學習更多類型的圖表以及如何進行進階設定。 最終，你將能夠創建出既美觀又具資訊性的圖表。

別忘了，資料視覺化不僅僅是關於圖表，還是關於講故事， 而 Matplotlib 將成為你的故事敘述者。下次見，我們將進一步提升技能， 開啟圖表世界的新視野！