Matplotlib 是 Python 最常用的 数据可视化 库之一，在数据挖掘过程中，主要用于 数据探索 (EDA)、趋势分析、模式识别 和 结果展示。
📌 1. Matplotlib 基础
1.1 安装 & 导入
# 如果未安装 Matplotlib，请先安装
# pip install matplotlibimport matplotlib.pyplot as plt
import numpy as np
1.2 基本绘图
x = np.linspace(0, 10, 100) # 生成 100 个 0-10 之间的等距点
y = np.sin(x)plt.plot(x, y) # 画图
plt.xlabel("X 轴") # X 轴标签
plt.ylabel("Y 轴") # Y 轴标签
plt.title("Sine Wave") # 图标题
plt.grid(True) # 添加网格
plt.show() # 显示图像
📌 输出： 绘制 正弦曲线 📈
📌 2. 常见图表类型
2.1 折线图 (Line Plot)
x = np.arange(1, 11)
y = np.random.randint(10, 100, size=10)plt.plot(x, y, marker="o", linestyle="-", color="b", label="数据趋势")
plt.legend()
plt.show()
📌 适用场景： 用于 趋势分析 和 时间序列数据
2.2 散点图 (Scatter Plot)
x = np.random.rand(50)
y = np.random.rand(50)plt.scatter(x, y, color="g", alpha=0.7) # 透明度 alpha 控制点的透明度
plt.title("Scatter Plot")
plt.show()
📌 适用场景： 适合用于 关系分析、聚类分析
2.3 柱状图 (Bar Chart)
categories = ["A", "B", "C", "D", "E"]
values = [10, 25, 15, 30, 20]plt.bar(categories, values, color="orange")
plt.title("Bar Chart Example")
plt.show()
📌 适用场景： 适用于 类别数据分析
2.4 直方图 (Histogram)
data = np.random.randn(1000) # 生成 1000 个随机数plt.hist(data, bins=30, color="purple", alpha=0.75)
plt.title("Histogram Example")
plt.show()
📌 适用场景： 适合 分布分析，如 正态分布检验
2.5 盒须图 (Box Plot)
data = [np.random.rand(100) * i for i in range(1, 5)]plt.boxplot(data, patch_artist=True)
plt.title("Box Plot Example")
plt.show()
📌 适用场景： 适合 异常值分析、数据分布分析
📌 3. 进阶绘图技巧
3.1 子图 (Subplot)
fig, axes = plt.subplots(2, 2, figsize=(10, 8))x = np.linspace(0, 10, 100)
axes[0, 0].plot(x, np.sin(x))
axes[0, 0].set_title("Sine Wave")axes[0, 1].scatter(np.random.rand(50), np.random.rand(50))
axes[0, 1].set_title("Scatter Plot")axes[1, 0].bar(["A", "B", "C"], [10, 20, 30])
axes[1, 0].set_title("Bar Chart")axes[1, 1].hist(np.random.randn(1000), bins=30)
axes[1, 1].set_title("Histogram")plt.tight_layout() # 自动调整子图间距
plt.show()
📌 适用场景： 在 一个画布上同时绘制多个图表
3.2 统计相关性分析
import seaborn as sns
import pandas as pd# 生成随机数据
df = pd.DataFrame(np.random.rand(10, 4), columns=["A", "B", "C", "D"])# 计算相关性
correlation_matrix = df.corr()# 相关性热图
plt.figure(figsize=(8, 6))
sns.heatmap(correlation_matrix, annot=True, cmap="coolwarm", linewidths=0.5)
plt.title("Correlation Matrix Heatmap")
plt.show()
📌 适用场景： 特征工程、变量相关性分析
3.3 动态更新数据
import timeplt.ion() # 开启交互模式
fig, ax = plt.subplots()x = []
y = []for i in range(10):x.append(i)y.append(np.random.randint(1, 10))ax.clear()ax.plot(x, y, marker="o", linestyle="-", color="b")plt.pause(0.5)plt.ioff() # 关闭交互模式
plt.show()
📌 适用场景： 实时数据可视化，如股市走势
📌 4. Matplotlib 在数据挖掘中的应用
| 数据挖掘任务 | 适用图表 |
|---|---|
| 数据探索 (EDA) | 直方图、盒须图、散点图 |
| 趋势分析 | 折线图 |
| 相关性分析 | 热图、散点图 |
| 异常值检测 | 盒须图 |
| 分类数据分析 | 柱状图 |
| 数据分布分析 | 直方图 |
📌 5. 总结
Matplotlib 在数据挖掘中的核心作用： ✅ 数据可视化：帮助理解数据的分布、趋势、相关性
✅ 异常值检测：通过箱线图、散点图检测异常点
✅ 模式识别：发现数据中的模式或聚类结构
✅ 结果展示：清晰直观地展示数据分析和挖掘结果