Python 的数据可视化工具 Matplotlib 和 Seaborn 是非常强大的库，适用于各种数据展示需求。以下是它们的功能介绍、常用图表类型及代码示例：

Matplotlib

Matplotlib 是一个基础的绘图库，功能灵活且高度可定制。

核心功能

1. 绘制基本图表（折线图、柱状图、散点图等）。
2. 自定义图表（颜色、线条样式、刻度、标题等）。
3. 支持复杂的子图布局。

常用图表示例

1. 折线图

python

import matplotlib.pyplot as plt

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

y = [10, 20, 25, 30, 35]

plt.plot(x, y, label='Line', color='blue', linestyle='--', marker='o')

plt.title('Line Chart Example')

plt.xlabel('X-axis')

plt.ylabel('Y-axis')

plt.legend()

plt.grid(True)

plt.show()

2. 柱状图

python

categories = ['A', 'B', 'C', 'D']

values = [3, 7, 8, 5]

plt.bar(categories, values, color='skyblue')

plt.title('Bar Chart Example')

plt.show()

3. 散点图

python

import numpy as np

x = np.random.rand(50)

y = np.random.rand(50)

plt.scatter(x, y, color='green', alpha=0.5)

plt.title('Scatter Plot Example')

plt.show()

Seaborn

Seaborn 是基于 Matplotlib 的高级绘图库，适合统计图表的快速绘制。它的默认样式更加美观，且与 Pandas 数据结构无缝结合。

核心功能

1. 统计图表（箱线图、直方图、热力图等）。
2. 与 Pandas 数据结构直接兼容。
3. 提供主题样式设置，适合快速可视化。

常用图表示例

1. 分布图（直方图+密度曲线）

python

import seaborn as sns

import numpy as np

data = np.random.randn(1000)

sns.histplot(data, kde=True, color='purple')

plt.title('Histogram with Density Curve')

plt.show()

2. 箱线图

python

import pandas as pd

# 示例数据

data = pd.DataFrame({

'Category': ['A', 'B', 'A', 'B', 'A', 'B'],

'Value': [7, 8, 6, 9, 7, 8]

})

sns.boxplot(x='Category', y='Value', data=data)

plt.title('Box Plot Example')

plt.show()

3. 热力图

python

import numpy as np

matrix = np.random.rand(5, 5)

sns.heatmap(matrix, annot=True, cmap='coolwarm')

plt.title('Heatmap Example')

plt.show()

对比和结合使用

1. Matplotlib 更灵活，适合完全自定义的场景。
2. Seaborn 更简洁，适合快速生成复杂的统计图表。
3. 可以结合使用：用 Matplotlib 调整 Seaborn 图表的细节。

结合使用示例

python

# Seaborn 作图 + Matplotlib 调整

sns.set(style="whitegrid")

data = np.random.rand(100)

ax = sns.histplot(data, kde=True, color="skyblue")

ax.set_title("Seaborn + Matplotlib Example", fontsize=16)

plt.xlabel("X-axis Label", fontsize=12)

plt.ylabel("Y-axis Label", fontsize=12)

plt.show()

适用场景建议

• 快速统计分析：Seaborn 是首选。
• 需要完全定制：Matplotlib 提供更高的自由度。