python中绘图库Matplotlib怎么用

发布时间：2021-11-25 15:10:13 作者：小新
来源：亿速云阅读：218

# Python中绘图库Matplotlib怎么用

Matplotlib是Python中最流行的2D绘图库，广泛应用于数据可视化、科学计算和机器学习等领域。本文将详细介绍Matplotlib的安装、基础用法、常见图表绘制以及高级定制技巧。

## 目录
1. [Matplotlib简介](#matplotlib简介)
2. [安装与配置](#安装与配置)
3. [基础绘图](#基础绘图)
4. [常见图表类型](#常见图表类型)
5. [多图与子图](#多图与子图)
6. [样式与美化](#样式与美化)
7. [高级功能](#高级功能)
8. [实际应用案例](#实际应用案例)
9. [常见问题解答](#常见问题解答)

---

## Matplotlib简介
Matplotlib由John D. Hunter于2003年创建，现已成为Python数据可视化的标准库。主要特点包括：
- 支持多种输出格式（PNG, PDF, SVG等）
- 高度可定制的图形元素
- 与NumPy、Pandas无缝集成
- 提供面向对象和MATLAB风格两种API

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

安装与配置

安装方法

pip install matplotlib

导入约定

import matplotlib.pyplot as plt
plt.style.use('seaborn')  # 使用seaborn风格
%matplotlib inline  # Jupyter Notebook魔法命令

基础绘图

折线图示例

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("Sine Wave")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.legend()
plt.grid(True)
plt.show()

关键组件说明

figure: 画布容器
axes: 实际绘图区域
axis: 坐标轴
title/label: 标题和标签
legend: 图例

常见图表类型

1. 散点图

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

plt.scatter(x, y, alpha=0.6, c='green', marker='o')
plt.title("Scatter Plot")

2. 柱状图

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

plt.bar(labels, values, color=['red', 'green', 'blue'])

3. 直方图

data = np.random.randn(1000)
plt.hist(data, bins=30, edgecolor='black')

4. 饼图

sizes = [15, 30, 45, 10]
plt.pie(sizes, labels=['A', 'B', 'C', 'D'], autopct='%1.1f%%')

多图与子图

subplot基础

plt.subplot(2, 1, 1)  # 2行1列第1个
plt.plot(x, y)

plt.subplot(2, 1, 2)
plt.scatter(x, y)

更灵活的subplots

fig, axes = plt.subplots(2, 2, figsize=(10, 6))
axes[0,0].plot(x, y)
axes[0,1].bar(labels, values)

样式与美化

颜色与线型

plt.plot(x, y, 
         color='#FF5733',  # HEX颜色
         linestyle=':', 
         linewidth=2,
         marker='o',
         markersize=5)

使用样式表

print(plt.style.available)  # 查看可用样式
plt.style.use('ggplot')

自定义rc参数

plt.rcParams.update({
    'font.size': 12,
    'axes.titlesize': 16,
    'axes.labelsize': 14
})

高级功能

3D绘图

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
x = np.random.rand(100)
y = np.random.rand(100)
z = np.random.rand(100)
ax.scatter(x, y, z)

动画

from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()
line, = ax.plot([], [])

def init():
    ax.set_xlim(0, 2*np.pi)
    ax.set_ylim(-1, 1)
    return line,

def update(frame):
    line.set_data(x[:frame], y[:frame])
    return line,

ani = FuncAnimation(fig, update, frames=len(x), init_func=init, blit=True)

实际应用案例

股票数据可视化

import pandas as pd

data = pd.read_csv('stock.csv', parse_dates=['Date'])
plt.figure(figsize=(12, 6))
plt.plot(data['Date'], data['Close'], label='Close Price')
plt.fill_between(data['Date'], data['Low'], data['High'], alpha=0.2)

机器学习可视化

from sklearn.datasets import make_classification
X, y = make_classification(n_features=2, n_classes=3)

plt.scatter(X[:,0], X[:,1], c=y, cmap='viridis')
plt.colorbar()

常见问题解答

Q1: 中文显示乱码怎么办？

plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # Mac

Q2: 如何保存高清图片？

plt.savefig('output.png', dpi=300, bbox_inches='tight')

Q3: 如何调整图例位置？

plt.legend(loc='upper right', bbox_to_anchor=(1.3, 1))

总结

Matplotlib提供了强大的数据可视化能力，本文涵盖了： - 基础绘图流程 - 10+种常见图表 - 样式美化技巧 - 高级功能应用 - 实际场景案例

通过不断实践，你将能够创建出专业级的可视化作品！

提示：建议结合官方文档（https://matplotlib.org/）深入学习更多高级功能 “`

（注：实际文章需要补充更多细节说明和示例代码，此处为精简版框架，完整5300字版本会扩展每个章节的详细说明、更多示例和注意事项）