在 Python 中，我们可以使用多种库来进行绘图，实现数据可视化。以下将介绍一些高级的绘图技巧和代码实现：
使用 matplotlib 库进行高级绘图
matplotlib 是一个广泛使用的绘图库，提供了丰富的绘图功能。
import matplotlib.pyplot as plt
import numpy as np
# 生成示例数据
x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)
# 绘制折线图
plt.plot(x, y, label='Sin Curve')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Sine Wave')
plt.legend()
plt.show()使用 seaborn 库创建美观的图表
seaborn 是基于 matplotlib 的一个高级绘图库，提供了更具吸引力的默认样式。
import seaborn as sns
import pandas as pd
# 生成示例数据
data = {'X': np.random.randn(100), 'Y': np.random.randn(100)}
df = pd.DataFrame(data)
# 绘制散点图
sns.scatterplot(data=df, x='X', y='Y')
plt.title('Scatter Plot')
plt.show()绘制 3D 图形
使用 matplotlib 的 mplot3d 子库可以绘制 3D 图形。
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
# 生成示例数据
x = np.linspace(-2, 2, 100)
y = np.linspace(-2, 2, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X ** 2 + Y ** 2))
# 绘制 3D 曲面图
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(X, Y, Z)
plt.title('3D Surface Plot')
plt.show()绘制动态图形
通过结合 matplotlib 和 numpy ，可以实现动态图形的绘制。
import matplotlib.pyplot as plt
import numpy as np
import time
# 初始化图形
plt.ion() # 开启交互模式
fig, ax = plt.subplots()
# 模拟数据更新
for i in range(100):
x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x + i * 0.1)
ax.clear() # 清除之前的图形
ax.plot(x, y)
plt.draw() # 重新绘制图形
plt.pause(0.1) # 暂停一段时间
