当前位置：首页>python>一起学Python第119天:Matplotlib 函数速查手册

一起学Python第119天:Matplotlib 函数速查手册

2026-08-18 23:11:38

📅 系列：一起学Python | 难度：⭐⭐⭐

🔗 上期回顾：第118天：Seaborn 入门

一、为什么你需要这份速查表？

学了十几天的 Matplotlib，你可能已经发现：API 太多太杂，每次画图都要翻文档。

折线用 plot()，散点用 scatter()，保存用 savefig() 还是 imsave()？subplot() 和 subplots() 到底有什么区别？

今天这期，我们把 Matplotlib 的核心 API 全部整理成速查表，建议收藏，随查随用。

二、两大编程接口：该用哪个？

Matplotlib 提供两种使用方式，官方推荐面向对象接口（Axes），但快速原型用 pyplot 更方便。

💡 最佳实践：复杂项目用 fig, ax = plt.subplots()，快速测试用 plt.plot()。

三、pyplot 核心函数速查表（按场景分类）

1. Figure 与 Axes 管理

2. 基本绘图（最常用）

3. 图像与矩阵

4. 文本与标注

5. 坐标轴控制

6. 保存与显示

7. 布局调整

四、Axes 对象核心方法速查

当你使用 `fig, ax = plt.subplots()` 时，调用的是 Axes 方法：

方法	对应 pyplot	功能
`ax.plot()`	`plt.plot()`	折线图
`ax.scatter()`	`plt.scatter()`	散点图
`ax.bar()`	`plt.bar()`	柱状图
`ax.set_title()`	`plt.title()`	设置标题
`ax.set_xlabel()`	`plt.xlabel()`	设置X轴标签
`ax.set_ylabel()`	`plt.ylabel()`	设置Y轴标签
`ax.set_xlim()`	`plt.xlim()`	设置X轴范围
`ax.set_ylim()`	`plt.ylim()`	设置Y轴范围
`ax.set_xticks()`	`plt.xticks()`	设置X轴刻度
`ax.set_xticklabels()`	—	设置X轴刻度标签
`ax.grid()`	`plt.grid()`	显示网格
`ax.legend()`	`plt.legend()`	添加图例
`ax.text()`	`plt.text()`	添加文本
`ax.annotate()`	`plt.annotate()`	带箭头标注
`ax.imshow()`	`plt.imshow()`	显示图像
`ax.hist()`	`plt.hist()`	直方图
`ax.pie()`	`plt.pie()`	饼图
`ax.set_aspect()`	—	设置纵横比
`ax.set_facecolor()`	—	设置背景色
`ax.spines['top'].set_visible(False)`	—	隐藏顶部边框
`ax.twinx()`	`plt.twinx()`	创建双Y轴
`ax.inset_axes()`	—	添加嵌入子图

💡 记忆技巧：Axes 方法几乎都在 pyplot 函数前加 `set_`（如 `set_title`、`set_xlim`），少数同名（如 `plot`、`scatter`）。

五、Figure 对象核心方法

方法	功能	示例
`fig.savefig()`	保存 Figure	`fig.savefig('output.png', dpi=300)`
`fig.suptitle()`	设置总标题	`fig.suptitle('总标题', fontsize=16)`
`fig.subplots_adjust()`	调整子图间距	`fig.subplots_adjust(hspace=0.3)`
`fig.set_size_inches()`	设置尺寸	`fig.set_size_inches(10, 6)`
`fig.set_facecolor()`	设置背景色	`fig.set_facecolor('white')`
`fig.colorbar()`	添加全局颜色条	`fig.colorbar(im, ax=axes)`
`fig.legend()`	添加全局图例	`fig.legend(handles, labels)`
`fig.text()`	在Figure级别添加文本	`fig.text(0.5, 0.95, '文字')`

六、样式与配色速查

内置样式表

plt.style.use('ggplot')        # R语言风格plt.style.use('seaborn-v0_8')  # Seaborn风格plt.style.use('dark_background') # 深色背景plt.style.use('fivethirtyeight') # 数据新闻风格plt.style.use('grayscale')     # 灰度（适合打印）

常用 rcParams 配置

plt.rcParams['figure.figsize'] = [10, 6]    # 默认图尺寸plt.rcParams['figure.dpi'] = 100             # 默认分辨率plt.rcParams['font.size'] = 12               # 全局字体大小plt.rcParams['axes.grid'] = True             # 默认显示网格plt.rcParams['axes.spines.top'] = False      # 隐藏顶部边框plt.rcParams['axes.spines.right'] = False    # 隐藏右侧边框plt.rcParams['savefig.dpi'] = 300            # 保存分辨率plt.rcParams['image.cmap'] = 'viridis'       # 默认颜色映射

Colormap 推荐

类型	推荐	适用场景
连续数据	`viridis`	默认首选，色盲友好
温度/强度	`hot` , `inferno`	高对比度
正负对比	`coolwarm` , `RdBu`	有中心参考点
分类数据	`tab10` , `Set2`	离散类别
避免使用	`jet` , `rainbow`	感知失真，色盲不友好

七、实战示例：一张图串起所有核心API

import matplotlib.pyplot as pltimport matplotlib.font_manager as fmimport numpy as npimport os# ================= 1. 字体加载（解决报错的核心） =================font_path = "simhei.ttf"if not os.path.exists(font_path):    font_path = "/usr/share/fonts/truetype/wqy/wqy-zenhei.ttc"prop = fm.FontProperties(fname=font_path)plt.rcParams['axes.unicode_minus'] = False# 数据准备x = np.linspace(0, 10, 100)y1 = np.sin(x)y2 = np.cos(x)# ========== Figure + Axes（面向对象接口）==========fig, ax = plt.subplots(figsize=(10, 6), layout='constrained')# 绘图ax.plot(x, y1, 'o-', label='sin(x)', color='#2E86AB', markersize=4)ax.plot(x, y2, 's--', label='cos(x)', color='#E74C3C', markersize=4)# 标注峰值peak_idx = np.argmax(y1)ax.annotate(f'峰值: {y1[peak_idx]:.2f}',            xy=(x[peak_idx], y1[peak_idx]),            xytext=(x[peak_idx] + 2, y1[peak_idx] + 0.3),            arrowprops=dict(arrowstyle='->', color='gray'),            fontproperties=prop)# 文本装饰ax.set_title('正弦与余弦函数', fontproperties=prop, fontsize=16)ax.set_xlabel('X 轴（弧度）', fontproperties=prop)ax.set_ylabel('Y 轴（函数值）', fontproperties=prop)ax.legend(prop=prop)# 坐标轴控制ax.set_xlim(0, 10)ax.set_ylim(-1.5, 1.5)ax.grid(True, alpha=0.3, linestyle='--')# 隐藏边框ax.spines['top'].set_visible(False)ax.spines['right'].set_visible(False)# 保存fig.savefig('runoob_demo.png', dpi=300, bbox_inches='tight')plt.show()

八、常见问题速查

九、总结

今天我们整理了一份 Matplotlib 的核心 API 速查手册：

✅ 两大接口：pyplot（快速） vs Axes（精细控制）
✅ pyplot 函数：按场景分类（绘图、图像、文本、轴控制、保存）
✅ Axes 方法：set_ 前缀 + 同名方法
✅ Figure 方法：全局控制（保存、总标题、布局、颜色条）
✅ 样式配置：plt.style.use() + rcParams 全局设置
✅ Colormap：viridis 首选，jet 避免

建议收藏本文，下次画图时直接Ctrl+F搜索关键词，效率翻倍。

🎯 今日金句：Matplotlib 的 API 像一本厚重的词典——你不需要背下每一个单词，但你需要知道如何快速查到它。而速查表，就是你与数据可视化之间的翻译官。

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。

一起学Python第119天:Matplotlib 函数速查手册

一、为什么你需要这份速查表？

二、两大编程接口：该用哪个？

三、pyplot 核心函数速查表（按场景分类）

1. Figure 与 Axes 管理

2. 基本绘图（最常用）

3. 图像与矩阵

4. 文本与标注

5. 坐标轴控制

6. 保存与显示

7. 布局调整

四、Axes 对象核心方法速查

当你使用 `fig, ax = plt.subplots()` 时，调用的是 Axes 方法：

💡 记忆技巧：Axes 方法几乎都在 pyplot 函数前加 `set_`（如 `set_title`、`set_xlim`），少数同名（如 `plot`、`scatter`）。

五、Figure 对象核心方法

六、样式与配色速查

内置样式表

常用 rcParams 配置

Colormap 推荐

七、实战示例：一张图串起所有核心API

八、常见问题速查

九、总结

🎯 今日金句：Matplotlib 的 API 像一本厚重的词典——你不需要背下每一个单词，但你需要知道如何快速查到它。而速查表，就是你与数据可视化之间的翻译官。

最新文章

热门文章

随机文章

一起学Python第119天:Matplotlib 函数速查手册

一、为什么你需要这份速查表？

二、两大编程接口：该用哪个？

三、pyplot 核心函数速查表（按场景分类）

1. Figure 与 Axes 管理

2. 基本绘图（最常用）

3. 图像与矩阵

4. 文本与标注

5. 坐标轴控制

6. 保存与显示

7. 布局调整

四、Axes 对象核心方法速查

当你使用 fig, ax = plt.subplots() 时，调用的是 Axes 方法：

💡 记忆技巧：Axes 方法几乎都在 pyplot 函数前加 set_（如 set_title、set_xlim），少数同名（如 plot、scatter）。

五、Figure 对象核心方法

六、样式与配色速查

内置样式表

常用 rcParams 配置

Colormap 推荐

七、实战示例：一张图串起所有核心API

八、常见问题速查

九、总结

🎯 今日金句：Matplotlib 的 API 像一本厚重的词典——你不需要背下每一个单词，但你需要知道如何快速查到它。而速查表，就是你与数据可视化之间的翻译官。

Python零基础一文看懂所有经典排序

Python自学避坑指南:零基础常犯的10个错误,助你少走半年弯

最新文章

热门文章

随机文章

当你使用 `fig, ax = plt.subplots()` 时，调用的是 Axes 方法：

💡 记忆技巧：Axes 方法几乎都在 pyplot 函数前加 `set_`（如 `set_title`、`set_xlim`），少数同名（如 `plot`、`scatter`）。