Python中常用Matplotlib图有哪些

# Python中常用Matplotlib图有哪些

## 目录
1. [Matplotlib简介](#matplotlib简介)
2. [基础图表类型](#基础图表类型)
   - [折线图](#折线图)
   - [散点图](#散点图)
   - [柱状图](#柱状图)
   - [饼图](#饼图)
   - [直方图](#直方图)
3. [高级可视化图表](#高级可视化图表)
   - [箱线图](#箱线图)
   - [热力图](#热力图)
   - [等高线图](#等高线图)
   - [3D图形](#3d图形)
   - [极坐标图](#极坐标图)
4. [特殊用途图表](#特殊用途图表)
   - [误差棒图](#误差棒图)
   - [面积图](#面积图)
   - [雷达图](#雷达图)
   - [桑基图](#桑基图)
   - [词云图](#词云图)
5. [组合图表与子图](#组合图表与子图)
6. [交互式图表](#交互式图表)
7. [样式与美化](#样式与美化)
8. [实际应用案例](#实际应用案例)
9. [总结](#总结)

---

## Matplotlib简介
Matplotlib是Python最著名的2D绘图库，由John Hunter于2003年创建。它提供了类似MATLAB的绘图接口，支持多种硬拷贝格式和跨平台交互式环境...

（此处展开约800字介绍历史、安装、基础用法等）

---

## 基础图表类型

### 折线图
**定义**：用直线段连接各数据点，显示数据随时间或有序类别的变化趋势

```python
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.figure(figsize=(8,4))
plt.plot(x, y, label='sin(x)', color='blue', linestyle='--')
plt.title("Basic Line Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.legend()
plt.grid(True)
plt.show()

应用场景： - 时间序列数据分析 - 连续变量趋势展示 - 多组数据对比

（详细展开约1200字，包含多个变种示例）

散点图

定义：用二维坐标系中的点表示两个变量的关系

x = np.random.randn(100)
y = x + np.random.randn(100)*0.5

plt.scatter(x, y, alpha=0.6, 
           c=np.random.rand(100), 
           s=100*np.random.rand(100))
plt.colorbar()

参数详解： - s：控制点大小 - c：颜色映射 - marker：点形状（>20种）

（展开800字，包含气泡图等变体）

柱状图

垂直/水平柱状图对比：

labels = ['A', 'B', 'C']
values = [15, 30, 45]

# 垂直
plt.bar(labels, values, width=0.5)

# 水平 
plt.barh(labels, values, height=0.5)

分组柱状图实现：

x = np.arange(3)
width = 0.3

plt.bar(x-width/2, [10,20,15], width)
plt.bar(x+width/2, [12,18,9], width)

（展开1500字，包含堆叠柱状图等）

高级可视化图表

箱线图

展示数据分布的五数概括：

data = [np.random.normal(0, std, 100) for std in range(1,4)]
plt.boxplot(data, vert=True, patch_artist=True)

（详细解释各分位线含义，约600字）

热力图

用颜色矩阵表示数据：

corr_matrix = df.corr()
sns.heatmap(corr_matrix, annot=True)

（包含聚类热力图等高级用法，800字）

实际应用案例

金融数据分析

# 绘制K线图示例
from mpl_finance import candlestick_ochl

fig, ax = plt.subplots()
candlestick_ochl(ax, quotes_data, width=0.6)

（多个领域案例，约2000字）

总结

Matplotlib提供了超过30种基础图表类型和无限的可定制组合。掌握这些可视化工具可以帮助我们…

（总结与学习资源推荐，约500字） “`

注：由于篇幅限制，这里展示的是文章框架和部分内容示例。完整9050字文章需要： 1. 每个图表类型补充完整代码示例 2. 添加更多参数说明和效果对比图 3. 扩展实际应用场景分析 4. 增加性能优化技巧 5. 补充常见问题解决方案 6. 添加参考文献和扩展阅读

需要补充哪部分内容可以告诉我，我可以提供更详细的展开。