文章目录
Python中Matplotlib详解
一、引言
Matplotlib是Python中一个非常流行的绘图库，它提供了丰富的接口来绘制高质量的图形。无论是简单的线图、复杂的散点图，还是动态交互式的可视化，Matplotlib都能轻松应对。本文将详细介绍Matplotlib的使用方法，包括基本的绘图、定制化设置以及多种图表类型的绘制。
二、Matplotlib基础
1、包的引入
在使用Matplotlib之前，需要先安装并引入这个库。
python
# 安装Matplotlib
# 在命令行输入pip install matplotlib
import matplotlib.pyplot as plt
import numpy as np
# 查看版本号
print(plt.matplotlib.__version__)2、基本绘图
Matplotlib的pyplot模块提供了类似于MATLAB的绘图框架。
2.1、绘制线图
python
# 绘制x和y点
xpoints = np.array([0, 6])
ypoints = np.array([0, 250])
plt.plot(xpoints, ypoints)
plt.show()2.2、无线绘图
python
# 仅绘制标记点，使用快捷字符串符号参数'o'
plt.plot(xpoints, ypoints, 'o')
plt.show()
2.3、多点绘制
python
# 可以根据需要绘制任意数量的点
xpoints = np.array([33, 7, 6, 13])
ypoints = np.array([3, 23, 88, 42])
plt.plot(xpoints, ypoints)
plt.show()三、定制化图表
3、标记和颜色
3.1、标记
python
# 关键字：marker，用指定的标记强调每个点
plt.plot(xpoints, ypoints, marker='*')
plt.show()3.2、颜色参考
| 字符 | 颜色 |
|---|---|
| 'b' | 蓝色 |
| 'g' | 绿色 |
| 'r' | 红色 |
| 'c' | 青色 |
| 'm' | 品红色 |
| 'y' | 黄色 |
| 'k' | 黑色 |
| 'w' | 白色 |
3.3、格式化字符串fmt
python
# 格式：marker\|line\|color
plt.plot(xpoints, ypoints, 'o:r')
plt.show()4、线条样式
4.1、线条
python
# 使用关键字linestyle或ls来更改线条样式
plt.plot(xpoints, ypoints, ls='dashed')
plt.show()4.2、线条颜色和宽度
python
# 使用关键字color或c来设置线条颜色
# 使用关键字linewidth或lw来设置线条宽度
plt.plot(xpoints, ypoints, lw=2.5, color='blue')
plt.show()5、多条线
python
# 添加更多的plt.plot()函数来绘制任意数量的线
plt.plot(xpoints, ypoints1)
plt.plot(xpoints, ypoints2)
plt.show()四、图表增强
6、标签与标题
6.1、设置标签
python
# 设置字体为楷体
plt.rcParams['font.sans-serif'] = ['KaiTi']
plt.plot(xpoints, ypoints)
plt.xlabel('时间节点')
plt.ylabel('收入')
plt.show()6.2、设置标题
python
plt.title('我是标题')
plt.show()7、网格线
python
# 添加网格线
plt.grid()
plt.plot(xpoints, ypoints)
plt.show()8、多图显示
8.1、subplots
python
# 图一
plt.subplot(1, 2, 1)
plt.plot(xpoints, ypoints)
# 图二
plt.subplot(1, 2, 2)
plt.plot(xpoints, ypoints2)
plt.show()9、散点图
python
# 创建散点图
plt.scatter(xpoints, ypoints)
plt.show()10、柱状图
python
# 创建柱状图
x = np.array(["A", "B", "C", "D", "E", "F"])
y = np.array([78, 13, 44, 99, 150, 8])
plt.bar(x, y)
plt.show()11、直方图
python
# 创建直方图
x = np.random.normal(170, 10, 250)
plt.hist(x)
plt.show()12、饼图
python
# 创建饼图
y = np.array([20, 20, 45, 15])
plt.pie(y)
plt.show()五、示例展示
例子一：自定义颜色和样式的多线图
python
import matplotlib.pyplot as plt
import numpy as np
# 生成数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
# 绘制多线图
plt.plot(x, y1, label='sin(x)', color='blue', linestyle='-', linewidth=2)
plt.plot(x, y2, label='cos(x)', color='red', linestyle='--', linewidth=2)
# 添加图例
plt.legend()
# 添加标题和轴标签
plt.title('Sin and Cos Waves')
plt.xlabel('x')
plt.ylabel('y')
# 显示网格
plt.grid(True)
# 显示图表
plt.show()例子二：带有颜色图的散点图
python
import matplotlib.pyplot as plt
import numpy as np
# 生成数据
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')
# 添加颜色条
plt.colorbar()
# 添加标题和轴标签
plt.title('Scatter Plot with Colormap')
plt.xlabel('x')
plt.ylabel('y')
# 显示图表
plt.show()六、总结
Matplotlib作为Python中强大的绘图库，不仅能够绘制基本的图形，还支持高度的定制化和复杂的图表类型。通过本文的介绍，希望你能对Matplotlib有一个全面的了解，并能够灵活运用于你的项目中。绘图是一个探索数据、传达信息的重要手段，掌握Matplotlib将大大增强你的数据分析和可视化能力。
版权声明：本博客内容为原创，转载请保留原文链接及作者信息。
参考文章：