1. 折线图

在数据分析和可视化中，折线图是最常见的图表之一。通过绘制数据点并通过直线或曲线将它们连接起来，折线图可以有效地显示随时间变化的趋势。

import matplotlib.pyplot as plt

# 创建 x 轴数据
x = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

# 创建 y 轴数据
y = [1, 3, 5, 4, 2, 7, 6, 8, 9, 2]

# 绘制折线图
plt.plot(x, y)

# 添加标题和标签
plt.title("折线图示例")
plt.xlabel("x 轴")
plt.ylabel("y 轴")

# 显示图形
plt.show()

在上述代码中，我们使用了 Matplotlib 的 plot 函数来绘制折线图。通过传入 x 和 y 坐标的数据，我们可以得到一条连接点的线。然后使用 title、xlabel 和 ylabel 函数添加标题和标签。最后使用 show 函数显示图形。

2. 柱状图

柱状图可以很好地展示不同类别之间的比较关系。通常用于显示离散的、非连续的数据。

import matplotlib.pyplot as plt

# 创建 x 轴数据
x = ["A", "B", "C", "D", "E"]

# 创建 y 轴数据
y = [10, 7, 5, 8, 6]

# 绘制柱状图
plt.bar(x, y)

# 添加标题和标签
plt.title("柱状图示例")
plt.xlabel("类别")
plt.ylabel("数值")

# 显示图形
plt.show()

在以上代码中，我们使用 Matplotlib 的 bar 函数绘制柱状图。通过传入 x 和 y 坐标的数据，我们可以得到一列列的柱子。同样，使用 title、xlabel 和 ylabel 函数来添加标题和标签，最后使用 show 函数显示图形。

3. 散点图

散点图用于显示两个变量之间的关系和分布。每个数据点代表一个观察结果，点的位置由两个变量的值决定。

import matplotlib.pyplot as plt

# 创建 x 轴数据
x = [1, 2, 3, 4, 5]

# 创建 y 轴数据
y = [4, 7, 2, 5, 8]

# 绘制散点图
plt.scatter(x, y)

# 添加标题和标签
plt.title("散点图示例")
plt.xlabel("x 轴")
plt.ylabel("y 轴")

# 显示图形
plt.show()

在上面的代码中，我们使用 Matplotlib 的 scatter 函数绘制散点图。通过传入 x 和 y 坐标的数据，我们可以将散点图上的数据点呈现出来。同样，使用 title、xlabel 和 ylabel 函数来添加标题和标签，最后使用 show 函数显示图形。