Python:Matplotlib
Matplotlib相关的核心内容
1. Matplotlib概述
Matplotlib是Python的2D绘图库，能够生成高质量的静态、交互式和动画可视化效果。其核心特点是：
- 层次结构：基于
Figure（画布）和Axes（坐标系）的层级对象模型。 - 灵活性：支持从简单折线图到复杂3D图形的多种图表类型。
- 兼容性：与NumPy、Pandas无缝集成，支持输出多种格式（PNG、PDF、SVG等）。
Matplotlib 的核心设计理念
Matplotlib 采用分层对象模型，核心对象分为四个层级：
- Figure（画布）：所有内容的容器，相当于一张白纸。
- Axes（坐标系）：真正绘制数据的区域，包含坐标轴、标题、图例等。
- Axis（坐标轴）：控制数据范围的显示（如 X 轴和 Y 轴）。
- Artist（元素）：所有可见对象（如线条、文本、标记）的基类。
import matplotlib.pyplot as plt # 创建 Figure 和 Axes fig = plt.figure(figsize=(6, 4)) # 画布尺寸：宽6英寸，高4英寸 ax = fig.add_subplot(1, 1, 1) # 添加一个子图
2.两种绘图接口
Matplotlib 提供两种主要绘图方式：
(1) Pyplot 快捷接口（面向脚本）
快速绘制简单图表，适合交互式环境（如 Jupyter Notebook）：
plt.plot([1, 2, 3, 4], [10, 20, 15, 25], 'ro--') # 红色圆圈虚线
plt.title("Simple Line Chart")
plt.xlabel("X-axis")
plt.show()(2) 面向对象接口（推荐）
更灵活，适用于复杂图表：
fig, ax = plt.subplots(figsize=(8, 5))
ax.plot([1, 2, 3, 4], [10, 20, 15, 25], marker='o', linestyle='--', color='blue')
ax.set_title("Advanced Line Chart")
ax.set_xlabel("X-axis")
ax.grid(True)
plt.show()3. 核心概念
(1) Figure（画布）
- 所有图表的容器，相当于一张白纸。
- 创建方法：
import matplotlib.pyplot as plt fig = plt.figure(figsize=(8, 6)) # 设置画布大小
(2) Axes（坐标系）
- 实际的图表区域，包含坐标轴、标签、数据等。
- 创建方法：
ax = fig.add_subplot(1, 1, 1) # 1行1列的第1个子图
(3) Axis（坐标轴）
- 控制数据的显示范围（如
ax.set_xlim(0, 10)）。
(4) Artist（元素）
- 所有可见元素（如线条、文本、标记）的基类。
(5) Backend（后端）
- 控制渲染方式（如
Agg用于生成图片，Tkinter用于交互式窗口）。
4.核心绘图流程
步骤 1：创建 Figure 和 Axes
fig, ax = plt.subplots(nrows=1, ncols=1, figsize=(8, 6))步骤 2：绘制数据
# 示例：绘制折线图、散点图和柱状图
x = [1, 2, 3, 4]
y = [10, 20, 15, 25]
ax.plot(x, y, label='Line') # 折线图
ax.scatter(x, y, label='Points') # 散点图
ax.bar(x, y, alpha=0.3, label='Bars') # 柱状图（半透明）步骤 3：自定义样式
ax.set_title("Combined Plot", fontsize=14)
ax.set_xlabel("X-axis", fontsize=12)
ax.set_ylabel("Y-axis", fontsize=12)
ax.legend(loc='upper left') # 显示图例
ax.grid(linestyle='--', alpha=0.5) # 虚线网格步骤 4：保存或显示图表
plt.savefig('plot.png', dpi=300, bbox_inches='tight') # 保存为高分辨率图片
plt.show() # 显示图表5. 常用图表类型
(1) 折线图（Line Plot）
ax.plot(x, y, color='red', linewidth=2, linestyle='--', marker='o')(2) 散点图（Scatter Plot）
ax.scatter(x, y, s=50, c='blue', edgecolor='black', alpha=0.7)(3) 柱状图（Bar Chart）
ax.bar(categories, values, color='green', width=0.5, edgecolor='black')(4) 直方图（Histogram）
ax.hist(data, bins=30, density=True, color='orange', alpha=0.7)(5) 箱线图（Boxplot）
ax.boxplot([data1, data2], vert=True, patch_artist=True)基本绘图(法二）
(1) 折线图
x = [1, 2, 3, 4] y = [10, 20, 15, 25] plt.plot(x, y, color='blue', linestyle='--', marker='o', label='Data') plt.title("Line Chart") plt.xlabel("X-axis") plt.ylabel("Y-axis") plt.legend() # 显示图例 plt.grid(True) plt.show()(2) 散点图
plt.scatter(x, y, s=100, c='red', alpha=0.5, label='Points') plt.title("Scatter Plot")(3) 柱状图
categories = ['A', 'B', 'C'] values = [30, 50, 20] plt.bar(categories, values, color='green', width=0.5)(4) 直方图
data = np.random.randn(1000) plt.hist(data, bins=30, edgecolor='black')
6. 自定义图表
(1) 标题与标签
ax.set_title("My Plot", fontsize=14)
ax.set_xlabel("X Label", fontsize=12)
ax.set_ylabel("Y Label", fontsize=12)(2) 图例与网格
ax.legend(loc='upper right', frameon=False) # 无边框图例
ax.grid(linestyle=':', alpha=0.7) # 虚线网格(3) 颜色与样式
- 简写格式：
plt.plot(x, y, 'ro--')表示红色圆圈虚线。 - RGB颜色：
color=(0.2, 0.5, 0.8)。 - 坐标轴范围：
ax.set_xlim(0, 5) ax.set_ylim(0, 30)
7.高级功能
1. 多子图布局
- 网格布局：
fig, axs = plt.subplots(2, 2, figsize=(12, 8)) axs[0, 0].plot(x, y) # 第一行第一列 axs[1, 1].hist(np.random.randn(1000), bins=30) # 第二行第二列 - 复杂布局（使用
GridSpec）：import matplotlib.gridspec as gridspec fig = plt.figure() gs = gridspec.GridSpec(2, 2, width_ratios=[1, 2]) ax1 = fig.add_subplot(gs[0, :]) # 跨两列 ax2 = fig.add_subplot(gs[1, 0])
2. 颜色与样式
- 预定义样式：
plt.style.use('ggplot') # 其他选项：seaborn, fivethirtyeight - 颜色映射（Colormap）：
scatter = ax.scatter(x, y, c=np.random.rand(len(x)), cmap='viridis') plt.colorbar(scatter, label='Value') # 添加颜色条
3. 注释与标注
ax.annotate('Peak', xy=(3, 25), xytext=(3.5, 28),
arrowprops=dict(facecolor='black', arrowstyle='->'))
ax.text(1, 20, 'Important Point', fontsize=12, color='red')4. 双坐标轴
ax2 = ax.twinx() # 共享X轴，创建第二个Y轴
ax.plot(x, y1, 'g-')
ax2.plot(x, y2, 'b--')5. 3D绘图
from mpl_toolkits.mplot3d import Axes3D
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(X, Y, Z, cmap='plasma')6.动画
from matplotlib.animation import FuncAnimation
def update(frame):
line.set_ydata(np.sin(x + frame/10))
ani = FuncAnimation(fig, update, frames=100, interval=50)8. 样式与主题
(1) 内置样式
plt.style.use('ggplot') # 使用ggplot风格(2) 自定义颜色映射
plt.scatter(x, y, c=z, cmap='viridis')
plt.colorbar() # 显示颜色条9. 总结
- 核心对象：
Figure>Axes>Axis>Artist。 - 工作流程：创建画布 → 添加子图 → 绘制数据 → 自定义样式 → 保存或显示。
- 最佳实践：优先使用面向对象接口（如
ax.plot()），而非pyplot函数。
实战技巧
- 避免绘图重叠：在 Jupyter 中运行
%matplotlib inline后，使用plt.close()清除内存中的图表。- 处理中文显示：
plt.rcParams['font.sans-serif'] = ['SimHei'] # Windows plt.rcParams['axes.unicode_minus'] = False # 解决负号显示问题- 动态更新图表：在循环中使用
plt.pause(0.1)实现简单动画。结合Pandas使用
import pandas as pd df = pd.DataFrame({'x': [1, 2, 3], 'y': [4, 5, 1]}) df.plot(x='x', y='y', kind='line', ax=ax) # 直接使用DataFrame绘图