Matplotlib 高级进阶实战：多维度数据可视化组合图表

一、案例目标

通过一个综合案例，掌握以下高级技巧：

复杂子图布局（GridSpec）
双Y轴图表
3D曲面图与散点图组合
动态颜色映射
专业样式配置

二、完整代码实现

python 复制代码

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
from mpl_toolkits.mplot3d import Axes3D
from matplotlib.gridspec import GridSpec

plt.style.use('seaborn-darkgrid')  # 使用专业样式

# ==================== 数据准备 ====================
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.random.normal(0, 0.5, 100)

# 3D数据生成
X, Y = np.meshgrid(np.linspace(-5, 5, 100), np.linspace(-5, 5, 100))
Z = np.sin(np.sqrt(X**2 + Y**2))

# ==================== 创建画布布局 ====================
fig = plt.figure(figsize=(18, 12), dpi=100)
gs = GridSpec(3, 3, figure=fig)  # 3行3列网格

# ==================== 主波形图 ====================
ax1 = fig.add_subplot(gs[0:2, 0:2])  # 占据前两行前两列

# 绘制双Y轴
ax1.plot(x, y1, color='#FF6B6B', lw=2, label='Sin Wave')
ax1.set_ylabel('Amplitude (Sin)', color='#FF6B6B')

ax2 = ax1.twinx()
ax2.plot(x, y2, color='#4ECDC4', lw=2, label='Cos Wave')
ax2.set_ylabel('Amplitude (Cos)', color='#4ECDC4')

# 样式优化
ax1.tick_params(axis='y', colors='#FF6B6B')
ax2.tick_params(axis='y', colors='#4ECDC4')
ax1.set_title('Waveform Analysis', pad=20, fontsize=14)

# ==================== 3D曲面图 ====================
ax3 = fig.add_subplot(gs[0:2, 2], projection='3d')

# 曲面绘制
surf = ax3.plot_surface(X, Y, Z, cmap=cm.coolwarm,
                       linewidth=0, antialiased=True)

# 添加颜色条
fig.colorbar(surf, ax=ax3, shrink=0.6, aspect=10)
ax3.set_title('3D Surface Plot', y=1.02)

# ==================== 散点分布图 ====================
ax4 = fig.add_subplot(gs[2, 0])
colors = np.where(y3 > 0, '#FF6B6B', '#4ECDC4')  # 条件着色
ax4.scatter(x, y3, c=colors, s=50, alpha=0.8, edgecolor='white')
ax4.axhline(0, color='gray', linestyle='--')
ax4.set_title('Noise Distribution')

# ==================== 直方图 ====================
ax5 = fig.add_subplot(gs[2, 1:])
ax5.hist(y3, bins=30, color='#45B7D1', edgecolor='white', density=True)
ax5.set_title('Probability Density')

# ==================== 全局优化 ====================
plt.tight_layout(pad=3.0)
fig.suptitle('Advanced Data Visualization Dashboard', 
            y=1.02, fontsize=16, fontweight='bold')

# 添加图例
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax1.legend(lines1 + lines2, labels1 + labels2, 
         loc='upper right', frameon=True)

plt.show()

三、关键技术解析

1. 网格布局（GridSpec）

python 复制代码

gs = GridSpec(3, 3)  # 3行3列网格
ax1 = fig.add_subplot(gs[0:2, 0:2])  # 占据0-2行，0-2列

实现自由子图排布
支持不规则区域划分
比subplots更灵活

2. 双Y轴坐标系

python 复制代码

ax2 = ax1.twinx()  # 共享X轴创建新Y轴
ax2.plot(...)       # 在第二Y轴绘制

解决量纲不同的数据对比问题
保持X轴同步缩放

3. 3D曲面优化

python 复制代码

surf = ax3.plot_surface(..., 
    cmap=cm.coolwarm,        # 颜色映射
    linewidth=0,             # 去除网格线
    antialiased=True)        # 抗锯齿

使用专业色图coolwarm
开启抗锯齿提升显示质量
添加颜色条说明数值范围

4. 条件着色散点图

python 复制代码

colors = np.where(y3 > 0, '#FF6B6B', '#4ECDC4')  # 条件判断
ax4.scatter(..., c=colors)  # 应用颜色

根据数据特征自动着色
增强数据表达力

5. 样式统一配置

python 复制代码

plt.style.use('seaborn-darkgrid')  # 使用预设样式
fig.suptitle(...)                 # 添加总标题
plt.tight_layout(pad=3.0)         # 自动调整间距

保持视觉风格统一
优化元素间距
增强可读性

四、扩展技巧

1. 动态交互

python 复制代码

from mpl_toolkits.mplot3d import Axes3D

def on_move(event):
    if event.inaxes == ax3:
        ax3.view_init(elev=event.ydata, azim=event.xdata)
        plt.draw()

fig.canvas.mpl_connect('motion_notify_event', on_move)

2. 导出高清图片

python 复制代码

plt.savefig('dashboard.png', 
           dpi=300,          # 提高分辨率
           bbox_inches='tight',  # 去除白边
           facecolor='white')    # 设置背景

3. 动画生成

python 复制代码

from matplotlib.animation import FuncAnimation

def animate(i):
    ax3.view_init(azim=i*4)
    return fig

ani = FuncAnimation(fig, animate, frames=90, interval=50)
ani.save('rotation.gif', writer='pillow')

五、最佳实践建议

配色方案选择
- 使用 Coolors 生成协调配色
- 遵循WCAG 2.0对比度标准
- 重要数据使用高对比色

字体优化

python 复制代码

plt.rcParams.update({
    'font.family': 'Arial',       # 统一字体
    'font.size': 12,              # 基础字号
    'axes.titlesize': 14,         # 标题字号
    'axes.titleweight': 'bold'    # 标题加粗
})

性能优化
- 大数据集使用rasterized=True
- 3D绘图时降低rstride和cstride
- 关闭自动缩放autoscale_on=False

通过这个综合案例，您已经掌握了：

复杂布局的精确控制
多维数据的协同展示
专业样式的配置方法
交互功能的实现基础