数据可视化——matplotlib库

fsnine2025-08-26 21:21

Matplotlib 数据可视化全面教程

Matplotlib 是 Python 生态中最强大、最灵活的数据可视化库之一，由 John D. Hunter 于2003年创建。作为科学计算和数据可视化领域的事实标准，它广泛应用于学术研究、金融分析、商业智能和机器学习等领域。本教程将系统地从基础绘图讲解到高级定制技巧。

1. Matplotlib 基础

1.1 安装与导入

推荐安装方式（推荐使用虚拟环境）：

bash 复制代码 
pip install matplotlib numpy pandas  # 通常与科学计算库一起安装

基础导入方式：

python 复制代码 
import matplotlib.pyplot as plt  # 主要绘图接口
import numpy as np  # 数值计算基础库
import pandas as pd  # 数据处理常用库

版本检查：

python 复制代码 
print("Matplotlib版本:", plt.__version__)

1.2 创建基本折线图

完整示例代码：

python 复制代码 
# 准备数据
x = [1, 2, 3, 4, 5]  # X轴数据
y = [2, 4, 6, 8, 10]  # Y轴数据

# 创建画布和绘制图形
plt.figure(figsize=(8, 4))  # 设置图形大小(宽8英寸，高4英寸)
plt.plot(x, y, marker='o', markersize=8)  # 绘制带圆点标记的折线

# 添加图表元素
plt.title("简单折线图示例", fontsize=14, fontweight='bold')
plt.xlabel("X轴标签", fontsize=12)
plt.ylabel("Y轴标签", fontsize=12)
plt.grid(True, linestyle='--', alpha=0.7)  # 添加虚线网格

# 显示图形
plt.tight_layout()  # 自动调整布局
plt.show()

输出效果：

  • 显示从(1,2)到(5,10)的直线，每个数据点有圆形标记
  • 带有标题、坐标轴标签和灰色虚线网格
  • 图形宽高比为2:1

2. 常用图表类型详解

2.1 折线图（Line Plot）

高级应用场景：

  • 时间序列数据可视化
  • 多组数据对比
  • 趋势分析

完整示例：

python 复制代码 
# 生成数据
x = np.linspace(0, 10, 100)  # 0到10的100个等间距点
y1 = np.sin(x)  # 正弦曲线
y2 = np.cos(x)  # 余弦曲线

# 创建图形
plt.figure(figsize=(10, 5))

# 绘制两条曲线
plt.plot(x, y1, 
         label="sin(x)", 
         color="red", 
         linestyle="--", 
         linewidth=2,
         marker='o',
         markevery=10)  # 每隔10个点显示一个标记

plt.plot(x, y2,
         label="cos(x)",
         color="blue",
         linestyle="-",
         linewidth=1.5)

# 添加图表元素
plt.title("三角函数曲线对比", fontsize=14)
plt.xlabel("X值", fontsize=12)
plt.ylabel("函数值", fontsize=12)
plt.legend(fontsize=10, loc='upper right')  # 添加图例
plt.grid(True, alpha=0.3)  # 半透明网格

# 设置坐标轴范围
plt.xlim(0, 10)
plt.ylim(-1.5, 1.5)

# 自定义刻度
plt.xticks(np.arange(0, 11, 2))  # X轴每2单位一个刻度
plt.yticks(np.arange(-1.5, 1.6, 0.5))  # Y轴每0.5单位一个刻度

plt.tight_layout()
plt.show()

关键参数说明：

参数 可选值 说明
color 颜色名称或十六进制值 控制线条颜色，如'red'、'#FF0000'
linestyle '-', '--', ':', '-.' 实线、虚线、点线、点划线
linewidth 数值(默认1.0) 线条粗细
marker 'o', 's', '^', '*', '+' 数据点标记样式
markersize 数值 标记点大小
label 字符串 用于图例显示的标签

2.2 散点图（Scatter Plot）

典型应用场景：

  • 相关性分析
  • 聚类可视化
  • 数据分布观察

高级示例：

python 复制代码 
# 生成随机数据
np.random.seed(42)  # 确保可重复性
x = np.random.randn(100)  # 100个正态分布随机数
y = x + np.random.randn(100) * 0.5  # 添加噪声
sizes = np.abs(np.random.randn(100)) * 100  # 点的大小
colors = np.random.rand(100)  # 点的颜色值
categories = np.random.choice(['A', 'B', 'C'], size=100)  # 类别数据

# 创建图形
plt.figure(figsize=(9, 6))

# 绘制散点图
scatter = plt.scatter(x, y, 
                     c=colors, 
                     s=sizes,
                     alpha=0.7,  # 半透明
                     cmap='viridis',  # 颜色映射
                     edgecolors='black',  # 边缘色
                     linewidths=0.5)  # 边缘线宽

# 添加颜色条
cbar = plt.colorbar(scatter)
cbar.set_label('颜色值', rotation=270, labelpad=15)

# 添加标题和标签
plt.title("高级散点图示例", fontsize=14)
plt.xlabel("X变量", fontsize=12)
plt.ylabel("Y变量", fontsize=12)

# 添加参考线
plt.axhline(0, color='gray', linestyle='--', linewidth=1)
plt.axvline(0, color='gray', linestyle='--', linewidth=1)

plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

参数详解：

  • c: 颜色值，可以是单一颜色或与数据点对应的值数组
  • s: 点的大小，单个值或数组
  • alpha: 透明度(0-1)
  • cmap: 颜色映射，如'viridis','plasma','coolwarm'等
  • edgecolors: 点边缘颜色
  • linewidths: 边缘线宽

2.3 柱状图（Bar Chart）

完整示例：

python 复制代码 
# 准备数据
labels = ['第一季度', '第二季度', '第三季度', '第四季度']
sales_2022 = [120, 150, 180, 210]
sales_2023 = [140, 160, 200, 240]
x = np.arange(len(labels))  # 标签位置
width = 0.35  # 柱状图宽度

# 创建图形
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制柱状图
rects1 = ax.bar(x - width/2, sales_2022, width,
                label='2022年', color='skyblue', edgecolor='black')
rects2 = ax.bar(x + width/2, sales_2023, width,
                label='2023年', color='salmon', edgecolor='black')

# 添加文本标签
def autolabel(rects):
    """在柱子上方显示数值"""
    for rect in rects:
        height = rect.get_height()
        ax.annotate(f'{height}',
                    xy=(rect.get_x() + rect.get_width() / 2, height),
                    xytext=(0, 3),  # 3 points vertical offset
                    textcoords="offset points",
                    ha='center', va='bottom')

autolabel(rects1)
autolabel(rects2)

# 添加图表元素
ax.set_title('年度销售额对比', fontsize=14)
ax.set_ylabel('销售额(万元)', fontsize=12)
ax.set_xticks(x)
ax.set_xticklabels(labels, fontsize=12)
ax.legend(fontsize=10)

# 添加网格线
ax.yaxis.grid(True, linestyle='--', alpha=0.7)

# 调整Y轴范围
ax.set_ylim(0, 260)

fig.tight_layout()
plt.show()

堆叠柱状图变体：

python 复制代码 
# 准备数据
labels = ['产品A', '产品B', '产品C', '产品D']
online_sales = [20, 35, 30, 35]
offline_sales = [25, 32, 34, 20]

# 创建图形
fig, ax = plt.subplots(figsize=(8, 5))

# 绘制堆叠柱状图
ax.bar(labels, online_sales, label='线上销售', color='tab:blue')
ax.bar(labels, offline_sales, bottom=online_sales, 
       label='线下销售', color='tab:orange')

# 添加图表元素
ax.set_title('产品销售渠道分布', fontsize=14)
ax.set_ylabel('销售额(万元)', fontsize=12)
ax.legend(fontsize=10)
ax.grid(axis='y', linestyle='--', alpha=0.3)

# 添加数值标签
for i, (online, offline) in enumerate(zip(online_sales, offline_sales)):
    ax.text(i, online/2, f'{online}', ha='center', va='center', color='white')
    ax.text(i, online + offline/2, f'{offline}', ha='center', va='center', color='white')

plt.tight_layout()
plt.show()

2.4 直方图（Histogram）

高级应用示例：

python 复制代码 
# 生成混合正态分布数据
np.random.seed(42)
data1 = np.random.normal(0, 1, 1000)  # 均值0，标准差1
data2 = np.random.normal(5, 1.5, 800)  # 均值5，标准差1.5
data = np.concatenate([data1, data2])

# 创建图形
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

# 绘制基本直方图
ax1.hist(data, bins=30, color='steelblue', edgecolor='white')
ax1.set_title('基本直方图', fontsize=12)
ax1.set_xlabel('数值', fontsize=10)
ax1.set_ylabel('频数', fontsize=10)
ax1.grid(True, alpha=0.3)

# 绘制累积直方图
ax2.hist(data, bins=30, color='salmon', edgecolor='white', 
         cumulative=True, density=True)
ax2.set_title('累积分布直方图', fontsize=12)
ax2.set_xlabel('数值', fontsize=10)
ax2.set_ylabel('累积比例', fontsize=10)
ax2.grid(True, alpha=0.3)

# 添加整体标题
fig.suptitle('数据分布分析', fontsize=14, y=1.02)

plt.tight_layout()
plt.show()

关键参数：

  • bins: 直方图的柱子数量，可以是整数或数组
  • range: 数据的显示范围，如(0, 10)
  • density: 是否显示为概率密度
  • cumulative: 是否显示累积分布
  • histtype: 'bar'(默认), 'barstacked', 'step', 'stepfilled'

2.5 饼图（Pie Chart）

专业级饼图示例：

python 复制代码 
# 准备数据
sizes = [35, 25, 20, 15, 5]
labels = ['电商', '零售', '批发', '出口', '其他']
explode = (0.05, 0, 0, 0, 0.1)  # 突出显示第一和最后一项
colors = ['#ff9999','#66b3ff','#99ff99','#ffcc99','#c2c2f0']
wedgeprops = {'linewidth': 1, 'edgecolor': 'white'}  # 饼图边缘样式

# 创建图形
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))

# 绘制基本饼图
ax1.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90,
        colors=colors, wedgeprops=wedgeprops)
ax1.set_title('基本饼图', fontsize=12)
ax1.axis('equal')  # 保证圆形

# 绘制高级饼图
ax2.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
        shadow=True, startangle=90, colors=colors, 
        textprops={'fontsize': 10}, wedgeprops=wedgeprops,
        pctdistance=0.85, labeldistance=1.05)
ax2.set_title('带突出效果的饼图', fontsize=12)
ax2.axis('equal')

# 添加中心圆（甜甜圈效果）
centre_circle = plt.Circle((0,0),0.70,fc='white')
ax2.add_artist(centre_circle)

# 添加整体标题
fig.suptitle('销售渠道分布分析', fontsize=14, y=1.02)

plt.tight_layout()
plt.show()

专业技巧：

  1. 使用startangle参数旋转饼图起始角度
  2. 通过explode参数突出重要部分
  3. 添加shadow参数增加立体感
  4. 使用wedgeprops自定义边缘样式
  5. 添加中心圆创建甜甜圈效果
  6. 调整pctdistance和labeldistance控制标签位置

3. 多子图布局技巧

3.1 使用plt.subplots()创建复杂布局

网格布局示例：

python 复制代码 
# 创建数据
x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(-x)

# 创建2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(12, 8))

# 第一行第一列
axs[0, 0].plot(x, y1, color='tab:blue')
axs[0, 0].set_title('正弦函数', fontsize=12)
axs[0, 0].grid(True, alpha=0.3)

# 第一行第二列
axs[0, 1].plot(x, y2, color='tab:orange')
axs[0, 1].set_title('余弦函数', fontsize=12)
axs[0, 1].grid(True, alpha=0.3)

# 第二行第一列
axs[1, 0].plot(x, y3, color='tab:green')
axs[1, 0].set_title('正切函数', fontsize=12)
axs[1, 0].set_ylim(-5, 5)  # 限制Y轴范围
axs[1, 0].grid(True, alpha=0.3)

# 第二行第二列
axs[1, 1].plot(x, y4, color='tab:red')
axs[1, 1].set_title('指数衰减', fontsize=12)
axs[1, 1].grid(True, alpha=0.3)

# 添加整体标题
fig.suptitle('常用数学函数可视化', fontsize=16, y=1.02)

# 调整子图间距
plt.tight_layout()
plt.show()

不规则布局示例：

python 复制代码 
# 创建网格规范
fig = plt.figure(figsize=(12, 6))
gs = fig.add_gridspec(2, 3)  # 2行3列网格

# 创建不同大小的子图
ax1 = fig.add_subplot(gs[0, :])  # 第一行全部列
ax2 = fig.add_subplot(gs[1, 0])  # 第二行第一列
ax3 = fig.add_subplot(gs[1, 1:])  # 第二行第二、三列

# 在ax1中绘制
x = np.linspace(0, 10, 100)
ax1.plot(x, np.sin(x), 'r-')
ax1.set_title('主图 - 正弦函数')

# 在ax2中绘制
ax2.hist(np.random.randn(1000), bins=30)
ax2.set_title('直方图')

# 在ax3中绘制
ax3.scatter(np.random.rand(50), np.random.rand(50), 
            c=np.random.rand(50), s=100*np.random.rand(50))
ax3.set_title('散点图')

plt.tight_layout()
plt.show()

3.2 共享坐标轴的高级用法

共享X/Y轴示例：

python 复制代码 
# 准备数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.exp(-x)

# 创建共享X轴的子图
fig, (ax1, ax2, ax3) = plt.subplots(3, 1, figsize=(8, 8), sharex=True)

# 绘制各子图
ax1.plot(x, y1, 'b-')
ax1.set_title('正弦函数', fontsize=12)
ax1.grid(True, alpha=0.3)

ax2.plot(x, y2, 'g-')
ax2.set_title('余弦函数', fontsize=12)
ax2.grid(True, alpha=0.3)

ax3.plot(x, y3, 'r-')
ax3.set_title('指数衰减', fontsize=12)
ax3.set_xlabel('X轴', fontsize=10)
ax3.grid(True, alpha=0.3)

# 添加整体标题
fig.suptitle('共享X轴的多子图示例', fontsize=14, y=1.02)

plt.tight_layout()
plt.show()

4. 高级定制技巧

4.1 添加专业注释

完整示例：

python 复制代码 
# 准备数据
x = np.linspace(0, 10, 100)
y = x * np.sin(x)

# 创建图形
fig, ax = plt.subplots(figsize=(10, 5))
ax.plot(x, y, 'b-', linewidth=2)

# 添加文本注释
ax.text(2, 5, '增长区域', fontsize=12, 
        bbox=dict(facecolor='white', alpha=0.8, edgecolor='black'))

# 添加箭头注释
ax.annotate('最大值点', xy=(7.85, 7.85), xytext=(4, 8),
            arrowprops=dict(facecolor='black', shrink=0.05, width=1, headwidth=8),
            bbox=dict(boxstyle="round", fc="w", ec="0.5", alpha=0.9),
            fontsize=12)

# 添加水平线和垂直线
ax.axhline(y=0, color='gray', linestyle='--')
ax.axvline(x=7.85, color='red', linestyle=':', alpha=0.5)

# 添加矩形区域
rect = plt.Rectangle((1, -2), 2, 4, color='yellow', alpha=0.3)
ax.add_patch(rect)

# 添加箭头
arrow = plt.Arrow(5, -1, 0, 2, width=0.5, color='green', alpha=0.5)
ax.add_patch(arrow)

# 设置标题和标签
ax.set_title('高级注释示例', fontsize=14)
ax.set_xlabel('X轴', fontsize=12)
ax.set_ylabel('Y轴', fontsize=12)
ax.grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

4.2 自定义坐标轴

对数坐标轴示例：

python 复制代码 
# 准备数据
x = np.linspace(1, 100, 100)
y = x ** 2

# 创建图形
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

# 常规坐标轴
ax1.plot(x, y)
ax1.set_title('线性坐标轴', fontsize=12)
ax1.grid(True, alpha=0.3)

# 对数坐标轴
ax2.plot(x, y)
ax2.set_yscale('log')  # Y轴对数坐标
ax2.set_title('对数坐标轴', fontsize=12)
ax2.grid(True, alpha=0.3, which='both')  # 主次网格线

# 添加整体标题
fig.suptitle('坐标轴类型对比', fontsize=14, y=1.02)

plt.tight_layout()
plt.show()

双Y轴示例：

python 复制代码 
# 准备数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x) * 100  # 不同量级的数据

# 创建图形和第一个Y轴
fig, ax1 = plt.subplots(figsize=(8, 5))
color = 'tab:red'
ax1.set_xlabel('X轴', fontsize=12)
ax1.set_ylabel('sin(x)', color=color, fontsize=12)
ax1.plot(x, y1, color=color)
ax1.tick_params(axis='y', labelcolor=color)

# 创建第二个Y轴
ax2 = ax1.twinx()
color = 'tab:blue'
ax2.set_ylabel('100*cos(x)', color=color, fontsize=12)
ax2.plot(x, y2, color=color)
ax2.tick_params(axis='y', labelcolor=color)

# 添加标题
plt.title('双Y轴示例', fontsize=14, pad=20)

plt.tight_layout()
plt.show()

4.3 样式美化

样式表应用：

python 复制代码 
# 可用样式列表
print(plt.style.available)
"""
['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic', 'dark_background', 
'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 
'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 
'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 
'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 
'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']
"""

# 演示不同样式
x = np.linspace(0, 10, 100)
y = np.sin(x)

styles = ['default', 'ggplot', 'seaborn', 'dark_background', 'fivethirtyeight']
fig, axs = plt.subplots(len(styles), 1, figsize=(8, 12))

for i, style in enumerate(styles):
    with plt.style.context(style):
        axs[i].plot(x, y, label='sin(x)')
        axs[i].plot(x, np.cos(x), label='cos(x)')
        axs[i].set_title(f'"{style}" 样式', fontsize=12)
        axs[i].legend()
        axs[i].grid(True)

plt.tight_layout()
plt.show()

自定义样式：

python 复制代码 
# 自定义rc参数
plt.rcParams.update({
    'font.size': 12,  # 全局字体大小
    'axes.titlesize': 14,  # 标题字体大小
    'axes.labelsize': 12,  # 坐标轴标签大小
    'xtick.labelsize': 10,  # X轴刻度标签大小
    'ytick.labelsize': 10,  # Y轴刻度标签大小
    'legend.fontsize': 10,  # 图例字体大小
    'figure.titlesize': 16,  # 图形标题大小
    'grid.color': '0.75',  # 网格线颜色
    'grid.linestyle': '--',  # 网格线样式
    'grid.alpha': 0.5,  # 网格线透明度
    'lines.linewidth': 2,  # 线条宽度
    'lines.markersize': 8,  # 标记大小
    'axes.grid': True  # 默认显示网格
})

# 使用自定义样式绘图
fig, ax = plt.subplots(figsize=(8, 5))
x = np.linspace(0, 10, 100)
ax.plot(x, np.sin(x), label='sin(x)')
ax.plot(x, np.cos(x), label='cos(x)')
ax.set_title('自定义样式示例', pad=20)
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.legend()

plt.tight_layout()
plt.show()

5. 3D绘图高级技巧

5.1 基本3D绘图

3D曲面图示例：

python 复制代码 
from mpl_toolkits.mplot3d import Axes3D

# 准备数据
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, 7))
ax = fig.add_subplot(111, projection='3d')

# 绘制3D曲面
surf = ax.plot_surface(X, Y, Z, 
                      cmap='viridis',  # 颜色映射
                      edgecolor='none',  # 无边缘线
                      antialiased=True,  # 抗锯齿
                      rstride=2,  # 行步长
                      cstride=2)  # 列步长

# 添加颜色条
fig.colorbar(surf, shrink=0.5, aspect=10, label='Z值')

# 设置标签和标题
ax.set_xlabel('X轴', labelpad=10)
ax.set_ylabel('Y轴', labelpad=10)
ax.set_zlabel('Z轴', labelpad=10)
ax.set_title('3D曲面图', fontsize=14, pad=20)

# 调整视角
ax.view_init(elev=30, azim=45)  # 仰角30度，方位角45度

plt.tight_layout()
plt.show()

5.2 3D散点图

高级3D散点图：

python 复制代码 
# 生成随机数据
np.random.seed(42)
n = 500
x = np.random.randn(n)
y = np.random.randn(n)
z = np.random.randn(n)
colors = np.random.rand(n)
sizes = 100 * np.random.rand(n)

# 创建3D图形
fig = plt.figure(figsize=(10, 7))
ax = fig.add_subplot(111, projection='3d')

# 绘制3D散点
scatter = ax.scatter(x, y, z, 
                    c=colors, 
                    s=sizes,
                    cmap='plasma',
                    alpha=0.7,
                    edgecolors='black',
                    linewidth=0.5)

# 添加颜色条
cbar = fig.colorbar(scatter, shrink=0.5, aspect=10)
cbar.set_label('颜色值', rotation=270, labelpad=15)

# 设置标签和标题
ax.set_xlabel('X轴', labelpad=10)
ax.set_ylabel('Y轴', labelpad=10)
ax.set_zlabel('Z轴', labelpad=10)
ax.set_title('高级3D散点图', fontsize=14, pad=20)

# 调整视角
ax.view_init(elev=20, azim=35)

plt.tight_layout()
plt.show()

6. 专业输出与保存

6.1 高质量图形保存

保存最佳实践：

python 复制代码 
# 创建示例图形
x = np.linspace(0, 10, 100)
y = np.sin(x)

fig, ax = plt.subplots(figsize=(8, 5))
ax.plot(x, y, 'b-', linewidth=2)
ax.set_title('正弦函数', fontsize=14)
ax.set_xlabel('X轴', fontsize=12)
ax.set_ylabel('Y轴', fontsize=12)
ax.grid(True, alpha=0.3)

# 保存为不同格式
fig.savefig('sine_wave.png',  # PNG格式
            dpi=300,  # 高分辨率
            bbox_inches='tight',  # 紧凑布局
            facecolor='white',  # 背景色
            edgecolor='none')  # 无边框

fig.savefig('sine_wave.pdf',  # 矢量图PDF
            bbox_inches='tight',
            transparent=True)  # 透明背景

fig.savefig('sine_wave.svg',  # 矢量图SVG
            bbox_inches='tight')

# 保存为TIFF格式(适合出版)
fig.savefig('sine_wave.tiff', 
            dpi=300, 
            bbox_inches='tight',
            format='tiff',
            compression='lzw')  # 无损压缩

print("图形已保存为多种格式")

6.2 多图形批量导出

python 复制代码 
# 创建多个图形
plots = {
    'line_plot': plt.figure(figsize=(8, 5)),
    'scatter_plot': plt.figure(figsize=(8, 5)),
    'bar_chart': plt.figure(figsize=(8, 5))
}

# 填充图形内容
# ...

# 批量保存
import os
output_dir = 'plots'
os.makedirs(output_dir, exist_ok=True)

for name, fig in plots.items():
    fig.savefig(f'{output_dir}/{name}.png', 
                dpi=200, 
                bbox_inches='tight')
    plt.close(fig)  # 关闭图形释放内存

print(f"已保存{len(plots)}个图形到{output_dir}目录")

7. 常见问题解决方案

7.1 中文显示问题

完整解决方案：

python 复制代码 
# 方法1：指定中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用黑体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

# 方法2：指定具体字体路径(适用于Linux服务器)
import matplotlib.font_manager as fm
font_path = '/usr/share/fonts/truetype/wqy/wqy-microhei.ttc'  # 文泉驿微米黑
font_prop = fm.FontProperties(fname=font_path)

# 使用指定字体
plt.title('中文标题示例', fontproperties=font_prop, fontsize=14)
plt.xlabel('X轴标签', fontproperties=font_prop)
plt.ylabel('Y轴标签', fontproperties=font_prop)

# 临时解决方案(不推荐)
plt.title('中文标题'.encode('unicode-escape').decode(), fontsize=14)

7.2 图例位置与样式

高级图例控制：

python 复制代码 
# 准备数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)

# 创建图形
fig, ax = plt.subplots(figsize=(8, 5))
ax.plot(x, y1, label='sin(x)')
ax.plot(x, y2, label='cos(x)')
ax.plot(x, y3, label='tan(x)')

# 高级图例设置
legend = ax.legend(
    loc='upper right',  # 位置
    frameon=True,  # 显示边框
    shadow=True,  # 阴影效果
    fancybox=True,  # 圆角边框
    framealpha=0.8,  # 透明度
    edgecolor='black',  # 边框颜色
    title='函数图例',  # 图例标题
    title_fontsize=12,  # 标题大小
    fontsize=10,  # 文本大小
    ncol=1,  # 列数
    bbox_to_anchor=(1, 1)  # 相对于轴的定位
)

# 调整布局为图例留出空间
plt.tight_layout(rect=[0, 0, 0.85, 1])  # 右侧留出15%空间

plt.show()

7.3 大数显示优化

python 复制代码 
# 准备大数据
x = np.arange(10)
y = np.array([1.5e6, 2.3e6, 3.1e6, 4.2e6, 5.0e6, 
              6.3e6, 7.1e6, 8.2e6, 9.0e6, 10.5e6])

# 创建图形
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

# 原始数据显示
ax1.bar(x, y)
ax1.set_title('原始数据显示', fontsize=12)
ax1.set_ylabel('数值', fontsize=10)
ax1.tick_params(axis='x', rotation=45)

# 优化显示格式
ax2.bar(x, y)
ax2.set_title('优化格式显示', fontsize=12)
ax2.set_ylabel('数值(百万)', fontsize=10)
ax2.tick_params(axis='x', rotation=45)

# 使用科学计数法格式化Y轴
from matplotlib.ticker import FuncFormatter
def millions(x, pos):
    return f'{x*1e-6:.1f}M'

formatter = FuncFormatter(millions)
ax2.yaxis.set_major_formatter(formatter)

plt.tight_layout()
plt.show()

8. Matplotlib功能速查表

功能类别 常用函数 关键参数 适用场景
基础绘图 plt.plot() x, y, linestyle, marker 折线图、趋势分析
plt.scatter() x, y, s, c, alpha 散点图、相关性分析
plt.bar() x, height, width, bottom 柱状图、类别比较
plt.hist() x, bins, range, density 直方图、分布分析
plt.pie() sizes, labels, autopct 饼图、占比分析
子图布局 plt.subplot() nrows, ncols, index 简单子图布局
plt.subplots() nrows, ncols, sharex 推荐子图创建方式
gridspec.GridSpec() nrows, ncols, width_ratios 复杂不规则布局
3D绘图 Axes3D.plot_surface() X, Y, Z, cmap, rstride 3D曲面图
Axes3D.scatter() x, y, z, s, c 3
相关推荐
计算机编程小央姐2 天前
跟上大数据时代步伐：食物营养数据可视化分析系统技术前沿解析
大数据·hadoop·信息可视化·spark·django·课程设计·食物
CodeCraft Studio2 天前
【案例分享】TeeChart 助力 Softdrill 提升油气钻井数据可视化能力
信息可视化·数据可视化·teechart·油气钻井·石油勘探数据·测井数据
招风的黑耳2 天前
赋能高效设计：12套中后台管理信息系统通用原型框架
信息可视化·axure后台模板·原型模板
程思扬2 天前
利用JSONCrack与cpolar提升数据可视化及跨团队协作效率
网络·人工智能·经验分享·docker·信息可视化·容器·架构
路人与大师2 天前
【Mermaid.js】从入门到精通：完美处理节点中的空格、括号和特殊字符
开发语言·javascript·信息可视化
TwoAI3 天前
Matplotlib：绘制你的第一张折线图与散点图
python·matplotlib
eqwaak04 天前
Matplotlib 动画显示进阶：交互式控制、3D 动画与未来趋势
python·tcp/ip·3d·语言模型·matplotlib
云天徽上4 天前
【数据可视化-112】使用PyEcharts绘制TreeMap（矩形树图）完全指南及电商销售数据TreeMap绘制实战
开发语言·python·信息可视化·数据分析·pyecharts
kaomiao20254 天前
空间信息与数字技术和传统GIS专业有何不同？
大数据·信息可视化·数据分析
嘀咕博客4 天前
爱图表：镝数科技推出的智能数据可视化平台
科技·信息可视化·数据分析·ai工具
热门推荐
01GitHub 镜像站点02UV 工具安装与国内镜像源配置指南03Claude Code 平替：OpenAI发布 Codex CLI ，GPT-5 国内直接使用04UV安装并设置国内源0546个Nano-banana 精选提示词，持续更新中06保姆级教程：手把手教你用Dify实现完美多轮对话（附Chatflow和提示词）07A股预测还能更准？开源大模型Kronos带你跑通预测+回测全流程08解决 WSL Ubuntu 中 /etc/resolv.conf 自动重置问题09KGG转MP3工具|非KGM文件|解密音频10Spec-Kit 使用指南