Matplotlib 从入门到入土

Matplotlib

什么是 Matplotlib

  • 专门用来开发 2D 图表(包括 3D 图表)
  • 使用起来极其简单
  • 以渐进、交互式方法实现数据可视化

为什么要学习 Matplotlib

可视化是在整个数据挖掘的关键辅助工具，可以清晰的理解数据，从而调整分析方法

  • 能将数据进行可视化，更直观的呈现
  • 使数据更加客观、更具说服力

快速上手

实现一个简单的画图

1
2
3
4
5
import matplotlib.pyplot as plt

plt.figure()	# 创建一块画布
plt.plot([1, 0, 9], [4, 5, 6])		# 前者为 x 轴， 后者为 y 轴
plt.show()

Matplotlib 三层结构

  1. 容器层

    容器层主要由 Canvas，Figure，Axes组成

    Canvas位于最底层的系统层，在绘图过程中充当画板的角色，即放置画布(Figure)的工具

    Figure是Canvas上方的第一层，也是需要用户来操作的应用层的第一层，在绘图过程中充当画布的角色 Axes是应用层的第二层，在绘图过程中相当于画布上的绘图区的角色

    • Figure：指整个图形(可通过plt.figure()来设置画布大小和分辨率)
    • Axes(坐标系)：数据的绘图区域
    • Axis(坐标轴)：坐标系中的一条轴，包含大小限制、刻度和刻度标签

    特点为：

    • 一个Figure可以包含多个Axes，但一个Axes只能属于一个Figure
    • 一个Axes可以包含多个Axis，包含2个为2D坐标系，包含3个为3D坐标系

  2. 辅助显示层

    辅助显示层为Axes内除了根据数据绘制出的图像以外的内容，主要包括Axes外观(facecolor)、边线框(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容

    该层的设置可使图像显示更加直观和容易被理解，但不会对图像产生实质性影响

  3. 图像层

    图像层指Axes内通过plot、scatter、bar、histogram、pie等函数根据数据绘制出的图像

    每一个绘图区都可以有不同的图表（散点图、折线图、柱状图等）

折线图

折线图的绘制与保存图片

  1. 假如我们要展现一周温度变化，我们可以用下面这串代码来实现

    1
    2
    3
    4
    5
    import matplotlib.pyplot as plt

    plt.figure()
    plt.plot([1, 2, 3, 4, 5, 6, 7], [17, 18, 19, 7, 4, 21, 28])
    plt.show()
    mat1

  2. 我们可以进一步设置画布属性，以及图片保存

    1
    2
    3
    4
    5
    plt.figure(figsize= (), dpi= )
    # figsize 指定图的长宽
    # dpi 分辨率
    plt.savefig(path)
    # 保存图片，要写在 plt.show() 之前

  3. 进一步的，从辅助显示层中增加信息

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    import random
    x = range(60)
    y = [random.uniform(15, 18) for i in x]
    plt.Figure(figsize= (12, 8), dpi= 500)
    plt.plot(x, y)
    x_label = ["11点{}分".format(i) for i in x]
    # 修改 x，y 轴
    # 若出现中文无法正常输出，尝试 plt.rcParams['font.family'] = 'Microsoft YaHei'
    plt.xticks(x[ : : 10], x_label[ : : 10])
    plt.yticks(range(0, 41)[::5])
    plt.show()
    mat2

  4. 添加网格

    1
    2
    plt.grid(True, linestyle= '--', alpha= 0.5)
    # alpha 是透明度

  5. 添加描述信息

    1
    2
    3
    plt.title("温度随时间变化图")
    plt.xlabel("时间")
    plt.ylabel("温度")

  6. 再添加一条曲线

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    import random
    x = range(60)
    y = [random.uniform(15, 18) for i in x]
    y2 = [random.uniform(5, 10) for i in x]
    plt.Figure(figsize= (12, 8), dpi= 500)

    plt.plot(x, y, color= 'r', linestyle= '--')  # 可进一步修改
    plt.plot(x, y2)  # 增加一条曲线

    x_label = ["11点{}分".format(i) for i in x]

    plt.xticks(x[ : : 10], x_label[ : : 10])
    plt.yticks(range(0, 41)[::5])

    plt.grid(True, linestyle= '--', alpha= 0.5)

    plt.title("温度随时间变化图")
    plt.xlabel("时间")
    plt.ylabel("温度")

    plt.show()
    mat3

  7. 添加图例

    1
    2
    3
    4
    # 在上述代码中修改和添加
    plt.plot(x, y, color= 'r', linestyle= '--', label= "curve1")
    plt.plot(x, y2, label= "curve2")
    plt.legend()

  8. 多个坐标系显示

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    # subplots(nrows= 1, ncols= 1, **fig_kw)
    # nrows 行的数量  ncols 列的数量  fig_kw 子图的大小(可空)
    figure, axes = plt.subplots(nrows= 1, ncols= 2, figsize= (20, 8), dpi= 80)

    axes[0].plot(x, y, label= "curve1")
    axes[1].plot(x, y2, label= "curve2")

    axes[0].legend()
    axes[1].legend()

    axes[0].set_xticks(x[: : 10], x_label[: : 10])
    axes[0].set_yticks(range(0, 41, 5))
    axes[1].set_xticks(x[: : 10], x_label[: : 10])
    axes[1].set_yticks(range(0, 41, 5))

    axes[0].grid(linestyle= '--', alpha= 0.5)
    axes[1].grid(linestyle= '--', alpha= 0.5)

    axes[0].set_title("温度随时间变化图")
    axes[0].set_xlabel("时间")
    axes[0].set_ylabel("温度")
    axes[1].set_title("温度随时间变化图")
    axes[1].set_xlabel("时间")
    axes[1].set_ylabel("温度")

    plt.show()
    mat4

绘制数学函数图像

1
2
3
4
5
6
7
8
9
10
import numpy as np

x = np.linspace(-1, 1, 1000)
y = 2 * x * x

plt.figure(figsize= (12, 8), dpi= 80)

plt.plot(x, y)

plt.show()
mat5

散点图

1
2
3
4
5
6
7
8
plt.figure(figsize= (12, 8), dpi= 80)

x = range(10)
y = np.linspace(4, 80, 10)

plt.scatter(x, y)

plt.show()
mat6

柱状图

1
2
3
4
5
6
7
8
9
10
11
x = range(10)
y = [random.uniform(10, 100) for i in x]
x_label = ["样本{}".format(i) for i in range(1, 11)]

plt.figure(figsize= (12, 8))

plt.bar(x, y, color= ['b', 'r', 'g', 'y', 'c', 'm', 'y', 'k', 'c', 'g', 'b'])

plt.xticks(x, x_label)

plt.show()
mat7

直方图

1
2
3
4
5
6
7
8
9
10
11
12
13
x = [random.uniform(70, 140) for i in range(100)]

plt.figure(figsize= (12, 8), dpi= 80)

distance = 2
group_num = int((max(x) - min(x)) / distance)

plt.hist(x, group_num, density= True)

plt.xticks(range(int(min(x)), int(max(x) + 2), distance))
plt.grid(linestyle= '--', alpha= 0.5)

plt.show()
mat8

饼图

1
2
3
4
5
6
7
8
9
10
x = ["样本{}".format(i) for i in range(1, 11)]
y = [random.uniform(30, 80) for i in range(10)]

plt.figure(figsize= (12, 8), dpi= 80)

plt.pie(x= y, labels= x, autopct= "%.2f%%", colors= ['b', 'r', 'g', 'y', 'c', 'm', 'y', 'k', 'c', 'g', 'b'])

plt.legend()

plt.show()
mat9
#python #matplotlib
Matplotlib 从入门到入土
http://example.com/2025/11/22/Matplotlib/
作者
Suzuran
发布于
2025年11月22日
许可协议