当我们进行数据分析的时候，如果单纯的只有一堆数据摆在你面前，你看起来肯定不舒服。最好能将数据的变化，通过图形呈现出来，在实现数据可视化后，我们就能够更快、更容易、更清晰地看懂数据所要呈现、传达的信息。

Python 在数据展示方面，有非常多好用的工具，比如 Matplotlib、Seaborn、Pygal等，都是颇受欢迎的功能包。我们接下来看看，怎么去实现展示本地的数据，还有从网络中获取到的数据。

可视化视图，大致上我们可以分为 4 大类，分别是：

• 相互比较：比如折线图，可以进行比较数据间各个类别之间的关系，包括数据随着时间的变化趋势；
• 相互联系：比如散点图，可以观察到两个或两个以上实例间的关系；
• 构成占比：比如饼图，可以很直观看到每个部分所占的比例、份额大小，包括其随着时间的比例变化；
• 分布情况：比如直方图，可以观察单个或多个变量的具体分布情况。

常用的 10 种视图：散点图、折线图、直方图、条形图、饼图、热力图、箱型图、蜘蛛图、二元变量分布图、成对关系。

1、安装 Matplotlib

打开终端，输入 pip install matplotlib即可自动安装。

如果你想要查看 Matplotlib 开发者文档，输入 python -m pydoc -p 8899即可，启动之后再访问 http://localhost:8899，在 .../site-packages栏下找到 matplotlib（package）就是了。

2、折线图

最近大家是不是又看到标题上写着「史上最惨毕业季」的文章啊？其实，每年都是这么写的，每年都是最难、最惨的。

其实，我们可以找到对应的数据，把它画成折线图，你看看就知道毕业生人数的趋势了。

这是 2010 年～2022 年大学毕业生数据（单位：万）：

1）2010 年～2022 年大学毕业生数据

根据上面给出的数据，我们先来绘制一幅折线图，看看从 2010 年到 2022 年之间的大学毕业生人数的变化趋势。其中，我们 X 轴为年份，Y 轴为人数，代码如下：

# 定义 X 轴和 Y 轴数据
# 其中，X 轴为年份；Y 轴为毕业生人数（单位：万）
xData = [2010,2011,2012,2013,2014,2015,2016,2017,2018,2019,2020,2021,2022]
yData = [631,660,680,699,700,749,765,795,821,834,874,909,1076]

# 参数 1，设置横坐标的值
# 参数 2，设置纵坐标的值
plt.plot(xData, yData, xData, yData2)

# 展示图像
plt.show()
1
2
3
4
5
6
7
8
9
10
11

运行结果，如图所示：

2）2010 年～2022 年研究生数据

那如果说，我想看看研究生人数是否也这么大的增长幅度，也这么夸张？其实也不难，传入多个代表 X 轴、Y 轴的数据的列表就行了，就可以得到一张复合折线图了。

代码如下：

# 定义 X 轴和 Y 轴数据
# 其中，X 轴为年份；Y 轴为毕业生人数（单位：万）
xData = [2010,2011,2012,2013,2014,2015,2016,2017,2018,2019,2020,2021,2022]
yData = [631,660,680,699,700,749,765,795,821,834,874,909,1076]

# 加入研究生人数
yData2 = [53.82,56.02,58.97,61.14,62.13,64.51,66.71,80.61,85.8,91.65,110.66,117.65,120]

# 参数 1，设置横坐标的值
# 参数 2，设置纵坐标的值
# 参数 3，设置第二条折线的横坐标的值
# 参数 4，设置第二条折线的纵坐标的值
plt.plot(xData, yData, xData, yData2)

# 展示图像
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

运行结果，如图所示：

3）修改颜色、线条粗细

甚至，你还可以改折线的颜色、粗细，也很简单。比如，通过 color可以指定对应的颜色，通过 linewidth可以指定折线的粗细，代码如下：

# 通过 color 可以指定对应的颜色
# 通过 linewidth 可以指定粗细值
plt.plot(xData, yData, color='orange', linewidth=5.0)
plt.plot(xData, yData2, color='green', linewidth=5.0)

# 展示图像
plt.show()
1
2
3
4
5
6
7

运行结果，如图所示：

4）折线的 4 种样式

如果你不喜欢「实线」的线条，你也可以通过 linestyle来更改，常用的四种类型，分别是：

第一种，- 表示实线（默认值）；

第二种：-- 表示虚线；

第三种：: 表示虚点；

第四种：-. 表示短线、点的结合。

代码如下：

plt.plot(xData, yData, color='orange', linewidth=5.0, linestyle='--')
plt.plot(xData, yData2, color='green', linewidth=5.0, linestyle='-.')

# 展示图像
plt.show()
1
2
3
4
5

运行结果，如图所示：