2025——》import matplotlib.pyplot as plt/如何在Jupyter Notebook中使用Matplotlib库？
import matplotlib.pyplot as plt 是 Python 中用于导入 Matplotlib 库的绘图模块 pyplot 并设置别名为 plt 的标准语句。Matplotlib 是一个强大的可视化库，广泛用于数据可视化、图表绘制和科学绘图。以下是关于该语句的详细说明：
一、语句解析
-
import matplotlib.pyplotmatplotlib是基础库，pyplot是其子模块，提供类似 MATLAB 的绘图接口，支持各种图表类型（折线图、散点图、柱状图等）。
-
as plt- 将
pyplot模块简称为plt，这是 Python 社区的标准约定，方便代码书写（例如用plt.plot()代替matplotlib.pyplot.plot()）。
- 将
二、为什么要导入 pyplot？
导入后，你可以使用 pyplot 提供的各种绘图函数：
- 创建各类图表（折线图、散点图、柱状图、饼图等）
- 设置图表样式（标题、标签、颜色、字体等）
- 自定义坐标系（坐标轴范围、刻度、网格等）
- 保存图表为图片文件
三、简单示例
python
import matplotlib.pyplot as plt # 导入绘图模块
# 绘制简单的折线图
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
plt.plot(x, y) # 绘制折线
plt.title('平方数折线图') # 设置标题
plt.xlabel('x') # 设置x轴标签
plt.ylabel('y = x²') # 设置y轴标签
plt.show() # 显示图表
import matplotlib.pyplot as plt # 导入绘图模块
# 绘制简单的折线图
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
plt.plot(x, y) # 绘制折线
plt.title('平方数折线图') # 设置标题
plt.xlabel('x') # 设置x轴标签
plt.ylabel('y = x²') # 设置y轴标签
plt.show() # 显示图表
四、安装 Matplotlib
如果导入时提示 ModuleNotFoundError，说明未安装 Matplotlib，可通过以下命令安装：
- pip：
bash
-
pip install matplotlib
pip install matplotlib - Anaconda：
bash
-
conda install matplotlib
conda install matplotlib
五、在 Jupyter Notebook 中使用
在 Jupyter 中，还需要添加一个魔法命令来确保图表在单元格内显示：
python
%matplotlib inline # 仅需在Jupyter中使用，让图表内联显示
import matplotlib.pyplot as plt
x = [1, 2, 3]
y = [4, 5, 6]
plt.plot(x, y)
plt.show()
%matplotlib inline # 仅需在Jupyter中使用，让图表内联显示
import matplotlib.pyplot as plt
x = [1, 2, 3]
y = [4, 5, 6]
plt.plot(x, y)
plt.show()
六、常见图表类型
- 折线图：
plt.plot() - 散点图：
plt.scatter() - 柱状图：
plt.bar() - 饼图：
plt.pie() - 直方图：
plt.hist() - 箱线图：
plt.boxplot()
七、自定义图表样式
python
import numpy as np
# 生成数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 设置中文字体（避免中文显示乱码）
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]
# 创建更复杂的图表
plt.figure(figsize=(10, 5)) # 设置图表大小
plt.plot(x, y, 'b-', linewidth=2, label='sin(x)') # 蓝色实线，线宽2，添加图例标签
plt.plot(x, np.cos(x), 'r--', label='cos(x)') # 红色虚线
plt.title('正弦和余弦函数') # 标题
plt.xlabel('x轴') # x轴标签
plt.ylabel('y轴') # y轴标签
plt.grid(True) # 显示网格
plt.legend() # 显示图例
plt.ylim(-1.5, 1.5) # 设置y轴范围
plt.show()
import numpy as np
# 生成数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 设置中文字体（避免中文显示乱码）
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]
# 创建更复杂的图表
plt.figure(figsize=(10, 5)) # 设置图表大小
plt.plot(x, y, 'b-', linewidth=2, label='sin(x)') # 蓝色实线，线宽2，添加图例标签
plt.plot(x, np.cos(x), 'r--', label='cos(x)') # 红色虚线
plt.title('正弦和余弦函数') # 标题
plt.xlabel('x轴') # x轴标签
plt.ylabel('y轴') # y轴标签
plt.grid(True) # 显示网格
plt.legend() # 显示图例
plt.ylim(-1.5, 1.5) # 设置y轴范围
plt.show()
八、保存图表
python
plt.plot(x, y)
plt.savefig('my_plot.png', dpi=300, bbox_inches='tight') # 保存为PNG文件
# 或保存为PDF、SVG等格式：plt.savefig('my_plot.pdf')
plt.plot(x, y)
plt.savefig('my_plot.png', dpi=300, bbox_inches='tight') # 保存为PNG文件
# 或保存为PDF、SVG等格式：plt.savefig('my_plot.pdf')
九、其他导入方式
-
导入特定函数：
python
-
from matplotlib.pyplot import plot, show # 仅导入部分函数
plot(x, y)
show()
from matplotlib.pyplot import plot, show # 仅导入部分函数 plot(x, y) show() -
导入所有功能（不推荐）：
python
-
from matplotlib.pyplot import * # 可能导致命名冲突
from matplotlib.pyplot import * # 可能导致命名冲突
十、资源推荐
- 官方文档：matplotlib.pyplot — Matplotlib 3.10.3 documentation
- 示例画廊：Examples — Matplotlib 3.10.3 documentation
- 快速入门教程：https://matplotlib.org/stable/tutorials/introductory/pyplot.html
在 Jupyter Notebook 中使用 Matplotlib 库进行数据可视化非常便捷，以下是详细的步骤和注意事项：
一、基本使用流程
1. 导入 Matplotlib 和 NumPy（如果需要处理数据）
python
import matplotlib.pyplot as plt
import numpy as np # 用于生成示例数据
import matplotlib.pyplot as plt
import numpy as np # 用于生成示例数据
2. 添加魔法命令（仅 Jupyter 需要）
确保图表直接显示在 Notebook 中：
python
%matplotlib inline
%matplotlib inline
3. 绘制并显示图表
python
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.plot(x, y)
plt.title('正弦函数')
plt.xlabel('x')
plt.ylabel('sin(x)')
plt.show() # 显示图表（在Jupyter中可省略，但建议保留）
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.plot(x, y)
plt.title('正弦函数')
plt.xlabel('x')
plt.ylabel('sin(x)')
plt.show() # 显示图表（在Jupyter中可省略，但建议保留）
二、图表显示设置
1. 内联显示 vs 交互式显示
- 静态图片（默认）：
python
-
%matplotlib inline
%matplotlib inline - 交互式图表（可缩放、拖动）：
python
-
%matplotlib notebook # 或 %matplotlib widget (JupyterLab需要安装ipympl)
%matplotlib notebook # 或 %matplotlib widget (JupyterLab需要安装ipympl)
2. 设置分辨率
python
%config InlineBackend.figure_format = 'retina' # 高清显示（Mac和支持Retina的设备）
%config InlineBackend.figure_format = 'retina' # 高清显示（Mac和支持Retina的设备）
三、解决中文显示问题
如果图表中的中文显示为方块，需要设置字体：
python
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"] # 依次尝试中文字体
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"] # 依次尝试中文字体
四、常用图表类型
1. 折线图
python
plt.plot(x, y, 'b-', linewidth=2) # 蓝色实线，线宽2
plt.plot(x, y, 'b-', linewidth=2) # 蓝色实线，线宽2
2. 散点图
python
plt.scatter(x, y, color='red', marker='o') # 红色圆点
plt.scatter(x, y, color='red', marker='o') # 红色圆点
3. 柱状图
python
categories = ['A', 'B', 'C']
values = [10, 25, 15]
plt.bar(categories, values)
categories = ['A', 'B', 'C']
values = [10, 25, 15]
plt.bar(categories, values)
4. 饼图
python
sizes = [30, 40, 20, 10]
labels = ['A', 'B', 'C', 'D']
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
sizes = [30, 40, 20, 10]
labels = ['A', 'B', 'C', 'D']
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
5. 直方图
python
data = np.random.normal(0, 1, 1000) # 正态分布数据
plt.hist(data, bins=30)
data = np.random.normal(0, 1, 1000) # 正态分布数据
plt.hist(data, bins=30)
五、多图布局
1. 子图（Subplots）
python
fig, axes = plt.subplots(2, 2, figsize=(10, 8)) # 2x2网格
axes[0, 0].plot(x, np.sin(x))
axes[0, 1].plot(x, np.cos(x))
axes[1, 0].plot(x, np.tan(x))
axes[1, 1].plot(x, x**2)
plt.tight_layout() # 自动调整布局
fig, axes = plt.subplots(2, 2, figsize=(10, 8)) # 2x2网格
axes[0, 0].plot(x, np.sin(x))
axes[0, 1].plot(x, np.cos(x))
axes[1, 0].plot(x, np.tan(x))
axes[1, 1].plot(x, x**2)
plt.tight_layout() # 自动调整布局
2. 共享坐标轴
python
fig, axes = plt.subplots(2, 1, sharex=True) # 共享x轴
axes[0].plot(x, np.sin(x))
axes[1].plot(x, np.cos(x))
fig, axes = plt.subplots(2, 1, sharex=True) # 共享x轴
axes[0].plot(x, np.sin(x))
axes[1].plot(x, np.cos(x))
六、自定义图表样式
1. 设置标题和标签
python
plt.title('图表标题', fontsize=16)
plt.xlabel('X轴', fontsize=12)
plt.ylabel('Y轴', fontsize=12)
plt.title('图表标题', fontsize=16)
plt.xlabel('X轴', fontsize=12)
plt.ylabel('Y轴', fontsize=12)
2. 添加图例
python
plt.plot(x, np.sin(x), label='sin(x)')
plt.plot(x, np.cos(x), label='cos(x)')
plt.legend(loc='upper right') # 图例位置
plt.plot(x, np.sin(x), label='sin(x)')
plt.plot(x, np.cos(x), label='cos(x)')
plt.legend(loc='upper right') # 图例位置
3. 设置坐标轴范围
python
plt.xlim(0, 10) # x轴范围
plt.ylim(-1.5, 1.5) # y轴范围
plt.xlim(0, 10) # x轴范围
plt.ylim(-1.5, 1.5) # y轴范围
4. 添加网格
python
plt.grid(True, linestyle='--', alpha=0.7) # 虚线网格，透明度70%
plt.grid(True, linestyle='--', alpha=0.7) # 虚线网格，透明度70%
七、保存图表
python
plt.savefig('my_plot.png', dpi=300, bbox_inches='tight') # 保存为PNG
# 或保存为PDF、SVG等矢量格式
plt.savefig('my_plot.pdf')
plt.savefig('my_plot.png', dpi=300, bbox_inches='tight') # 保存为PNG
# 或保存为PDF、SVG等矢量格式
plt.savefig('my_plot.pdf')
八、常见问题及解决方案
-
图表不显示
- 检查是否添加了
%matplotlib inline - 尝试重启 Kernel 并重新执行
- 检查是否添加了
-
中文显示乱码
- 设置中文字体（见上文）
- 如果仍无效，可尝试安装中文字体包
-
图表模糊
- 使用
%config InlineBackend.figure_format = 'retina' - 或在保存时提高 DPI：
plt.savefig('fig.png', dpi=300)
- 使用
九、高级技巧
1. 使用 Seaborn 美化图表
Seaborn 是基于 Matplotlib 的高级可视化库，提供更美观的默认样式：
python
import seaborn as sns
sns.set_style('whitegrid') # 设置样式
plt.plot(x, y)
import seaborn as sns
sns.set_style('whitegrid') # 设置样式
plt.plot(x, y)
2. 交互式数据探索
结合 IPython Widgets 创建可交互图表：
python
from ipywidgets import interact
def plot_sin(freq=1):
plt.plot(x, np.sin(freq * x))
plt.ylim(-1.5, 1.5)
interact(plot_sin, freq=(0.5, 5, 0.1)); # 创建滑块控制频率
from ipywidgets import interact
def plot_sin(freq=1):
plt.plot(x, np.sin(freq * x))
plt.ylim(-1.5, 1.5)
interact(plot_sin, freq=(0.5, 5, 0.1)); # 创建滑块控制频率
十、学习资源
- Matplotlib 官方教程
- Seaborn 官方示例
- Python 数据可视化实战
通过以上步骤，你可以在 Jupyter Notebook 中高效地使用 Matplotlib 进行数据可视化。