当前位置：首页 > news >正文

Python Matplotlib库：从入门到精通

news 来源：原创 2025/7/1 21:06:13

Python Matplotlib库：从入门到精通

在数据分析和科学计算领域，可视化是一项至关重要的技能。Matplotlib作为Python中最流行的绘图库之一，为我们提供了强大的绘图功能。本文将带你从Matplotlib的基础开始，逐步掌握其高级用法，通过具体的代码示例和详细说明，让你轻松实现数据可视化。

1. Matplotlib图表的主要组成部分

Matplotlib图表主要由以下几个部分组成：

Figure：整个图形，可以把它理解成一张画布，包括了所有的元素，比如标题、轴线等。
Axes：绘制2D图像的实际区域，也称为轴域区，或者绘图区。
Axis：指坐标系中的垂直轴与水平轴，包含轴的长度大小、轴标签和刻度标签。
Artist：画布上所有元素都属于Artist对象，比如文本对象（title、xlabel、ylabel）、Line2D对象（用于绘制2D图像）等。

在开始绘图之前，首先需要安装Matplotlib库。如果尚未安装，可以使用以下命令进行安装：

pip install matplotlib

2. 基础图表绘制

2.1 折线图（Line Plot）

折线图用于显示数据随时间或其他连续变量的变化趋势。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib# 指定默认字体为支持中文的字体，例如 SimHei
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
matplotlib.rcParams['axes.unicode_minus'] = False  # 解决保存图像时负号'-'显示为方块的问题# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)# 创建一个图形
plt.figure(figsize=(10, 6))# 绘制线图
plt.plot(x, y1, label='正弦', color='red', linewidth=2)
plt.plot(x, y2, label='余弦', color='blue', linewidth=2, linestyle='--')# 添加标题和标签
plt.title('正弦和余弦函数')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()  # 显示图例
plt.grid(True)  # 显示网格plt.show()

请添加图片描述

2.2 散点图（Scatter Plot）

散点图用于显示两个变量之间的关系。

import matplotlib.pyplot as plt
import numpy as np# 创建示例数据
x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50)
sizes = 1000 * np.random.rand(50)# 绘制散点图
plt.scatter(x, y, c=colors, s=sizes, alpha=0.5, cmap='viridis')
plt.colorbar(label='颜色强度')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('散点图示例')plt.show()

请添加图片描述

3. 多子图绘制

在同一个窗口中绘制多个子图是一个常见需求。

import matplotlib.pyplot as plt
import numpy as np# 创建示例数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [23, 45, 56, 78, 32]# 创建2x2的子图
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(12, 8))# 子图1: 柱状图
ax1.bar(categories, values)
ax1.set_title('柱状图')# 子图2: 折线图
ax2.plot(categories, values, 'r-o')
ax2.set_title('折线图')# 子图3: 散点图
ax3.scatter(categories, values)
ax3.set_title('散点图')# 子图4: 饼图
ax4.pie(values, labels=categories, autopct='%1.1f%%')
ax4.set_title('饼图')# 调整子图间距
plt.tight_layout()
plt.show()

请添加图片描述

4. 统计图表绘制

4.1 直方图（Histogram）

直方图用于显示数据的分布情况。

import matplotlib.pyplot as plt
import numpy as np# 创建示例数据
np.random.seed(42)
data = np.random.randn(1000)# 创建一个图形，包含多个子图
fig = plt.figure(figsize=(15, 5))# 子图1: 直方图
plt.subplot(131)
plt.hist(data, bins=30, alpha=0.7, color='blue')
plt.title('直方图')
plt.xlabel('值')
plt.ylabel('频次')# 后续可添加箱线图和小提琴图等统计图表...plt.tight_layout()
plt.show()

请添加图片描述

4.2 箱线图（Boxplot）和小提琴图（Violinplot）

箱线图和小提琴图也是常用的统计图表，用于展示数据的分布特征。

# 接着上面的代码，继续添加箱线图和小提琴图# 子图2: 箱线图
plt.subplot(132)
plt.boxplot(data)
plt.title('箱线图')# 子图3: 小提琴图
plt.subplot(133)
plt.violinplot(data)
plt.title('小提琴图')plt.tight_layout()
plt.show()

请添加图片描述

5. 高级绘图技巧

5.1 3D图表绘制

Matplotlib还支持3D图表的绘制。

from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt# 创建数据
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))# 创建3D图形
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')# 绘制3D曲面
surface = ax.plot_surface(X, Y, Z, cmap='viridis')
fig.colorbar(surface)
ax.set_title('3D曲面图')plt.show()

请添加图片描述

6. 实战案例：数据分析可视化

以下是一个实际的数据分析可视化案例，用于展示Matplotlib的实用性。

import matplotlib.pyplot as plt
import numpy as np# 创建销售数据
months = ['1月', '2月', '3月', '4月', '5月', '6月']
sales_a = [100, 120, 140, 130, 150, 160]
sales_b = [90, 110, 130, 140, 145, 155]# 创建组合图表
fig, ax1 = plt.subplots(figsize=(10, 6))# 绘制柱状图
x = np.arange(len(months))
width = 0.35
ax1.bar(x - width/2, sales_a, width, label='产品A', color='skyblue')
ax1.bar(x + width/2, sales_b, width, label='产品B', color='lightgreen')# 设置坐标轴
ax1.set_xticks(x)
ax1.set_xticklabels(months)
ax1.set_ylabel('销售量')
ax1.set_title('月度销售对比')
ax1.legend()# 添加数据标签
for i, v in enumerate(sales_a):ax1.text(i - width/2, v, str(v), ha='center', va='bottom')
for i, v in enumerate(sales_b):ax1.text(i + width/2, v, str(v), ha='center', va='bottom')plt.show()

请添加图片描述

7. 设置中文

在使用 Matplotlib 显示汉字时，需要进行一些设置以确保汉字能够正确显示。以下是一些关键步骤：

设置字体：
Matplotlib 默认不支持中文字符，因此需要指定一个支持中文的字体。常见的中文支持字体有“SimHei”（黑体）、“SimSun”（宋体）等。你可以通过设置 rcParams 来指定字体。
确保字体文件存在：
指定的字体必须存在于你的系统中。在某些操作系统（如 Linux）上，可能需要手动安装相应的字体。
代码示例：
下面是一个简单的示例代码，展示如何在 Matplotlib 中显示汉字：

import matplotlib.pyplot as plt
import matplotlib# 指定默认字体为支持中文的字体，例如 SimHei
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
matplotlib.rcParams['axes.unicode_minus'] = False  # 解决保存图像时负号'-'显示为方块的问题# 示例数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 40]# 创建图表
plt.figure()
plt.plot(x, y)
plt.title('示例图表')
plt.xlabel('横轴标签')
plt.ylabel('纵轴标签')# 显示图表
plt.show()

其他字体设置：
如果你的系统中没有 SimHei 字体，或者你想使用其他字体，可以指定字体文件的路径。例如：

from matplotlib.font_manager import FontProperties# 指定字体文件路径
font_path = '/path/to/your/chinese/font.ttf'  # 替换为你的字体文件路径
font = FontProperties(fname=font_path)# 使用指定的字体创建文本
plt.text(2, 20, '使用指定字体显示的汉字', fontproperties=font)

保存图表时显示汉字：
当保存图表为图片文件时，同样需要确保字体设置正确。上面的 rcParams 设置已经涵盖了这一点，但如果你使用的是其他保存方法，确保字体设置一致。

# 保存图表
plt.savefig('example_chart.png')

通过本文的介绍，相信你已经对Matplotlib有了全面的了解，并能够运用它来实现各种数据可视化需求。从基础图表到高级绘图技巧，再到实战案例，Matplotlib都展现出了其强大的功能和灵活性。希望本文能够对你的学习和工作有所帮助！