python入门- Matplotlib 数据可视化库

概述

Matplotlib 是 Python 中最基础、最流行的数据可视化库。它提供了完整的 2D 绘图系统（部分 3D 支持），可以生成出版质量级别的图表，几乎可以绘制任何类型的图表。

• • 官网: https://matplotlib.org/
• • GitHub: https://github.com/matplotlib/matplotlib
• • 文档: https://matplotlib.org/stable/contents.html
• • 画廊: https://matplotlib.org/stable/gallery/index.html

核心特性

• • 图表类型丰富: 折线图、柱状图、散点图、饼图、直方图、箱线图等
• • 高度可定制: 颜色、样式、标签、图例、注释等
• • 多种输出格式: PNG、JPG、PDF、SVG、EPS 等
• • 多平台支持: Windows、macOS、Linux
• • 集成性强: 与 NumPy、Pandas、SciPy 无缝集成
• • 交互式绘图: 支持 Jupyter Notebook、IPython 交互

安装与导入

安装

# 基础安装pip install matplotlib# 使用 condaconda install matplotlib# 安装完整功能（包括可选依赖）pip install matplotlib[complete]

导入

# 标准导入方式import matplotlib.pyplot as pltimport numpy as np# 设置中文显示（可选）plt.rcParams['font.sans-serif'] = ['Arial Unicode MS', 'SimHei']plt.rcParams['axes.unicode_minus'] = False# Jupyter Notebook 中内嵌显示%matplotlib inline

基础绘图流程

最简单的绘图

import matplotlib.pyplot as pltimport numpy as np# 准备数据x = np.linspace(0, 10, 100)y = np.sin(x)# 创建图表plt.figure(figsize=(10, 6))# 绘图plt.plot(x, y)# 添加标签plt.xlabel('x')plt.ylabel('sin(x)')plt.title('正弦函数')# 显示图表plt.show()

面向对象式绘图（推荐）

# 创建图形和坐标轴fig, ax = plt.subplots(figsize=(10, 6))# 在坐标轴上绘图ax.plot(x, y, label='sin(x)')ax.plot(x, np.cos(x), label='cos(x)')# 设置属性ax.set_xlabel('x')ax.set_ylabel('y')ax.set_title('三角函数')ax.legend()ax.grid(True)plt.show()

常用图表类型

1. 折线图 (Line Plot)

# 基础折线图x = [1, 2, 3, 4, 5]y = [2, 4, 6, 8, 10]plt.figure(figsize=(10, 6))plt.plot(x, y, marker='o', linestyle='-', color='blue', label='数据线')plt.xlabel('X 轴')plt.ylabel('Y 轴')plt.title('折线图示例')plt.legend()plt.grid(True)plt.show()# 多条折线x = np.linspace(0, 10, 100)fig, ax = plt.subplots(figsize=(10, 6))ax.plot(x, np.sin(x), label='sin(x)', color='blue')ax.plot(x, np.cos(x), label='cos(x)', color='red')ax.plot(x, np.tan(x), label='tan(x)', color='green')ax.set_ylim(-2, 2)  # 限制 y 轴范围ax.legend()ax.set_title('三角函数对比')plt.show()

2. 散点图 (Scatter Plot)

# 基础散点图x = np.random.randn(100)y = np.random.randn(100)colors = np.random.rand(100)sizes = np.random.rand(100) * 1000plt.figure(figsize=(10, 6))plt.scatter(x, y, c=colors, s=sizes, alpha=0.5, cmap='viridis')plt.xlabel('X 值')plt.ylabel('Y 值')plt.title('散点图示例')plt.colorbar(label='颜色值')plt.show()# 分类散点图fig, ax = plt.subplots(figsize=(10, 6))for i, (label, color) inenumerate([('A', 'red'), ('B', 'blue'), ('C', 'green')]):    x = np.random.randn(50) + i    y = np.random.randn(50) + i    ax.scatter(x, y, label=label, color=color, alpha=0.6)ax.legend()ax.set_title('分类散点图')plt.show()

3. 柱状图 (Bar Chart)

# 垂直柱状图categories = ['A', 'B', 'C', 'D', 'E']values = [23, 45, 56, 78, 32]fig, ax = plt.subplots(figsize=(10, 6))ax.bar(categories, values, color='skyblue', edgecolor='black')ax.set_xlabel('类别')ax.set_ylabel('数值')ax.set_title('柱状图示例')plt.show()# 分组柱状图x = np.arange(5)width = 0.35y1 = [20, 35, 30, 35, 27]y2 = [25, 32, 34, 20, 25]fig, ax = plt.subplots(figsize=(10, 6))ax.bar(x - width/2, y1, width, label='2023', color='blue')ax.bar(x + width/2, y2, width, label='2024', color='orange')ax.set_xticks(x)ax.set_xticklabels(['A', 'B', 'C', 'D', 'E'])ax.legend()ax.set_title('分组柱状图')plt.show()# 堆叠柱状图fig, ax = plt.subplots(figsize=(10, 6))ax.bar(categories, y1, label='产品A', color='blue')ax.bar(categories, y2, bottom=y1, label='产品B', color='orange')ax.legend()ax.set_title('堆叠柱状图')plt.show()# 水平柱状图fig, ax = plt.subplots(figsize=(10, 6))ax.barh(categories, values, color='lightcoral')ax.set_xlabel('数值')ax.set_title('水平柱状图')plt.show()

4. 直方图 (Histogram)

# 基础直方图data = np.random.randn(1000)fig, ax = plt.subplots(figsize=(10, 6))ax.hist(data, bins=30, color='green', alpha=0.7, edgecolor='black')ax.set_xlabel('值')ax.set_ylabel('频数')ax.set_title('直方图示例')plt.show()# 多个分布对比data1 = np.random.normal(0, 1, 1000)data2 = np.random.normal(2, 1, 1000)fig, ax = plt.subplots(figsize=(10, 6))ax.hist(data1, bins=30, alpha=0.5, label='分布1', color='blue')ax.hist(data2, bins=30, alpha=0.5, label='分布2', color='red')ax.legend()ax.set_title('分布对比')plt.show()# 堆叠直方图fig, ax = plt.subplots(figsize=(10, 6))ax.hist([data1, data2], bins=30, stacked=True, label=['分布1', '分布2'])ax.legend()ax.set_title('堆叠直方图')plt.show()

5. 饼图 (Pie Chart)

# 基础饼图labels = ['A', 'B', 'C', 'D']sizes = [15, 30, 45, 10]colors = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue']explode = (0, 0.1, 0, 0)  # 突出显示第二块fig, ax = plt.subplots(figsize=(8, 8))ax.pie(sizes, explode=explode, labels=labels, colors=colors,       autopct='%1.1f%%', shadow=True, startangle=90)ax.axis('equal')  # 使饼图是圆形ax.set_title('饼图示例')plt.show()# 环形图fig, ax = plt.subplots(figsize=(8, 8))ax.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%',       pctdistance=0.85, startangle=90)# 绘制中心圆centre_circle = plt.Circle((0, 0), 0.70, fc='white')ax.add_artist(centre_circle)ax.axis('equal')ax.set_title('环形图示例')plt.show()

6. 箱线图 (Box Plot)

# 基础箱线图data = [np.random.normal(0, std, 100) for std inrange(1, 4)]fig, ax = plt.subplots(figsize=(10, 6))ax.boxplot(data, labels=['A', 'B', 'C'])ax.set_xlabel('类别')ax.set_ylabel('值')ax.set_title('箱线图示例')plt.show()# 水平箱线图fig, ax = plt.subplots(figsize=(10, 6))ax.boxplot(data, labels=['A', 'B', 'C'], vert=False)ax.set_xlabel('值')ax.set_title('水平箱线图')plt.show()# 箱线图与散点结合fig, ax = plt.subplots(figsize=(10, 6))bp = ax.boxplot(data, labels=['A', 'B', 'C'])# 添加散点for i, d inenumerate(data):    y = d    x = np.random.normal(i+1, 0.04, size=len(d))    ax.plot(x, y, 'r.', alpha=0.3)ax.set_title('箱线图 + 散点')plt.show()

7. 热力图 (Heatmap)

# 生成相关矩阵data = np.random.randn(10, 10)corr = np.corrcoef(data)fig, ax = plt.subplots(figsize=(10, 8))im = ax.imshow(corr, cmap='coolwarm', aspect='auto')ax.set_xticks(range(10))ax.set_yticks(range(10))ax.set_xticklabels(range(1, 11))ax.set_yticklabels(range(1, 11))plt.colorbar(im, label='相关系数')ax.set_title('热力图示例')plt.show()# 带注释的热力图fig, ax = plt.subplots(figsize=(10, 8))im = ax.imshow(corr, cmap='RdYlGn')for i inrange(len(corr)):for j inrange(len(corr)):        text = ax.text(j, i, f'{corr[i, j]:.2f}',                      ha="center", va="center", color="black")plt.colorbar(im)ax.set_title('带注释的热力图')plt.show()

8. 面积图 (Area Plot)

# 基础面积图x = np.arange(10)y1 = np.random.randint(1, 10, 10)y2 = np.random.randint(1, 10, 10)fig, ax = plt.subplots(figsize=(10, 6))ax.stackplot(x, y1, y2, labels=['A', 'B'], alpha=0.8)ax.set_xlabel('X')ax.set_ylabel('Y')ax.legend(loc='upper left')ax.set_title('堆叠面积图')plt.show()# 填充区域x = np.linspace(0, 10, 100)y1 = np.sin(x)y2 = np.cos(x)fig, ax = plt.subplots(figsize=(10, 6))ax.plot(x, y1, label='sin(x)')ax.plot(x, y2, label='cos(x)')ax.fill_between(x, y1, y2, alpha=0.3, label='填充区域')ax.legend()ax.set_title('填充区域图')plt.show()

9. 误差棒图 (Error Bar)

x = np.arange(5)y = [20, 35, 30, 35, 27]error = [2, 3, 4, 2, 3]fig, ax = plt.subplots(figsize=(10, 6))ax.errorbar(x, y, yerr=error, fmt='o', color='blue',            ecolor='red', elinewidth=2, capsize=5)ax.set_xlabel('类别')ax.set_ylabel('值')ax.set_title('误差棒图示例')plt.show()

10. 极坐标图 (Polar Plot)

# 极坐标折线图theta = np.linspace(0, 2*np.pi, 100)r = 2 * np.sin(3*theta)fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(projection='polar'))ax.plot(theta, r, color='blue', linewidth=2)ax.fill(theta, r, alpha=0.3)ax.set_title('极坐标图示例', pad=20)plt.show()# 雷达图categories = ['A', 'B', 'C', 'D', 'E']values = [4, 3, 5, 4, 2]values += values[:1]  # 闭合angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)angles = np.concatenate((angles, [angles[0]]))fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(projection='polar'))ax.plot(angles, values, 'o-', linewidth=2)ax.fill(angles, values, alpha=0.25)ax.set_xticks(angles[:-1])ax.set_xticklabels(categories)ax.set_title('雷达图示例', pad=20)plt.show()

子图与布局

基础子图

# 创建多个子图fig, axes = plt.subplots(2, 2, figsize=(12, 10))# 第一个子图axes[0, 0].plot([1, 2, 3], [1, 4, 9])axes[0, 0].set_title('折线图')# 第二个子图axes[0, 1].scatter([1, 2, 3], [1, 4, 9])axes[0, 1].set_title('散点图')# 第三个子图axes[1, 0].bar(['A', 'B', 'C'], [3, 5, 2])axes[1, 0].set_title('柱状图')# 第四个子图axes[1, 1].hist(np.random.randn(100), bins=20)axes[1, 1].set_title('直方图')plt.tight_layout()  # 自动调整布局plt.show()

不规则子图布局

# 使用 GridSpecfig = plt.figure(figsize=(12, 8))gs = fig.add_gridspec(3, 3)# 大图（占前两行和前两列）ax1 = fig.add_subplot(gs[0:2, 0:2])ax1.plot(np.random.randn(50))ax1.set_title('大图')# 右上角小图ax2 = fig.add_subplot(gs[0, 2])ax2.bar(['A', 'B'], [3, 5])ax2.set_title('右上小图')# 右中图ax3 = fig.add_subplot(gs[1, 2])ax3.scatter(np.random.randn(20), np.random.randn(20))ax3.set_title('右中图')# 底部长条图ax4 = fig.add_subplot(gs[2, :])ax4.plot(np.random.randn(100))ax4.set_title('底部图')plt.tight_layout()plt.show()

嵌套子图

from mpl_toolkits.axes_grid1.inset_locator import inset_axesfig, ax = plt.subplots(figsize=(10, 6))# 主图x = np.linspace(0, 10, 100)ax.plot(x, np.sin(x), label='sin(x)')ax.plot(x, np.cos(x), label='cos(x)')ax.legend()ax.set_title('主图')# 嵌套小图axins = inset_axes(ax, width="40%", height="30%", loc='upper right')axins.plot(x, np.sin(x), color='red')axins.set_xlim(0, 2)axins.set_ylim(-0.2, 1)axins.set_title('放大视图')plt.show()

样式与美化

内置样式

# 查看可用样式print(plt.style.available)# 使用样式plt.style.use('seaborn-v0_8-darkgrid')# 临时使用样式with plt.style.context('ggplot'):    plt.plot([1, 2, 3], [1, 4, 9])    plt.title('临时使用 ggplot 样式')    plt.show()

自定义颜色