matplotlib 是 Python 最常用的科学绘图库之一，提供了强大、灵活的 2D 与 3D 数据可视化功能。它最初由 John D. Hunter 于 2003 年开发，现已成为数据分析、科研绘图与报告展示的标准工具。该库可用于绘制从简单折线图到复杂统计图、3D 曲面、热力图等多种图形，并可输出高质量图片（PNG、SVG、PDF）用于论文或展示。
安装 matplotlib 库：
nginx
pip install matplotlib常见应用场景：
（1）数据分析可视化：展示趋势、分布与异常点。
（2）科研绘图：生成出版级矢量图，支持 LaTeX 数学公式。
（3）统计分析与实验结果展示：绘制直方图、误差线、箱线图等。
（4）交互式分析：在 Jupyter Notebook 或 GUI 环境中实时调整图形。
（5）图像输出与自动化报告生成：结合脚本生成批量图表。
◆ ◆ ◆
核心概念
1、图形结构层次
🔹 Figure：整个画布对象。
🔹 Axes：具体绘图区域，一个 Figure 中可包含多个 Axes。
🔹 Artist：所有绘图元素的基础类，包括线条、文字、图例等。
2、两种绘图方式
🔹 Pyplot 接口（推荐初学者使用）
apache
import matplotlib.pyplot as pltplt.plot([1, 2, 3], [2, 4, 6])plt.show()适合快速绘图。
🔹 面向对象 API（推荐专业绘图）
apache
fig, ax = plt.subplots()ax.plot([1, 2, 3], [2, 4, 6])fig.show()适合多子图或复杂布局。
3、样式系统（Style）
使用 plt.style.use('ggplot') 或 plt.style.use('seaborn') 快速切换全局风格。
4、后端（Backend）
控制绘图的显示与输出方式，如 TkAgg、QtAgg、PDF、SVG。
◆ ◆ ◆
应用举例
例 1：折线图（Line Plot）
javascript
import matplotlib.pyplot as pltimport numpy as np
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
x = np.linspace(0, 10, 100)y = np.sin(x)plt.plot(x, y, label='sin(x)', color='blue')plt.title('正弦曲线示例')plt.xlabel('x')plt.ylabel('sin(x)')plt.legend()plt.show()例 2：散点图（Scatter Plot）
javascript
import matplotlib.pyplot as pltimport numpy as np
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
x = np.random.rand(50)y = np.random.rand(50)plt.scatter(x, y, color='green', alpha=0.6)plt.title('随机散点分布')plt.show()例 3：柱状图（Bar Chart）
javascript
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
categories = ['A', 'B', 'C', 'D']values = [12, 25, 30, 20]plt.bar(categories, values, color='orange')plt.title('类别统计结果')plt.show()例 4：直方图（Histogram）
kotlin
import matplotlib.pyplot as pltimport numpy as npplt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
data = np.random.randn(200)plt.hist(data, bins=20, color='skyblue', edgecolor='black')plt.title('数据分布直方图')plt.show()例 5：多子图（Subplots）
apache
import matplotlib.pyplot as pltimport numpy as np
x = np.linspace(0, 2*np.pi, 100)y1, y2 = np.sin(x), np.cos(x)
fig, axs = plt.subplots(2, 1)axs[0].plot(x, y1, color='red', label='sin(x)')axs[1].plot(x, y2, color='blue', label='cos(x)')axs[0].legend()axs[1].legend()plt.show()◆ ◆ ◆
常用函数与方法速览
pyplot.plot(x, y, label=None, color=None, linestyle='-')
绘制折线图。
参数：
x, y：数据序列。
label：曲线标签（用于图例）。
color：线条颜色。
linestyle：线型（如 '-', '--', ':'）。
返回：线对象列表。
pyplot.scatter(x, y, s=None, c=None, alpha=None)
绘制散点图。
参数：
x, y：数据点坐标。
s：点大小（可为单值或数组）。
c：颜色或颜色映射。
alpha：透明度（0--1）。
返回：PathCollection 对象。
pyplot.bar(x, height, color=None)
绘制垂直柱状图。
参数：
x：分类标签或索引。
height：每个柱的高度。
color：柱体颜色。
返回：BarContainer 对象。
pyplot.hist(data, bins=10, color=None, edgecolor=None)
绘制直方图。
参数：
data：待统计的数据序列。
bins：分组数量（默认 10）。
color：填充颜色。
edgecolor：边框颜色。
返回：包含计数、分组边界与补丁对象的元组。
pyplot.subplots(nrows=1, ncols=1, figsize=None)
创建多子图布局。
参数：
nrows, ncols：子图行数与列数。
figsize：图形大小（宽, 高）。
返回：(Figure, Axes) 元组。
pyplot.savefig(filename, dpi=300, bbox_inches='tight')
将当前图保存为文件。
参数：
filename：输出文件路径（如 "figure.png"）。
dpi：分辨率（每英寸像素点）。
bbox_inches：边界调整选项。
返回：无。
pyplot.style.use(style_name)
设置全局绘图样式。
参数：
style_name：样式名称（如 'classic'、'seaborn'、'ggplot'）。
返回：无。
◆ ◆ ◆
补充说明
1、matplotlib 支持中文显示，但需设置字体。
python
from matplotlib import font_manager
# 方法一：全局设置字体plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 使用黑体显示中文plt.rcParams['axes.unicode_minus'] = False # 正确显示负号
# 方法二：指定字体路径font_path = r"C:\Windows\Fonts\msyh.ttc" # Windows 示例，可换为 Linux/macOS 路径font_prop = font_manager.FontProperties(fname=font_path)
# 方法三：修改 Matplotlib 配置文件（matplotlibrc）2、建议搭配 numpy 和 pandas 使用，更适合数据处理与可视化任务。
3、若需交互式图形可考虑 mpl_interactions、plotly 等扩展。
4、高级用户可转向 matplotlib 的面向对象接口，以实现复杂图表布局。
5、matplotlib 中还有 3D 绘图、动画制作（FuncAnimation）、样式模板（style.use()）等高级用法。
📘 小结
matplotlib 是 Python 数据可视化的基础工具，功能全面、生态成熟。它既能快速生成探索性图形，也能制作出版级高质量可视化作品。
通过 pyplot 快速绘图接口与面向对象的绘图体系，matplotlib 可灵活地适配科研、工程、数据分析等多种应用场景，是每位 Python 开发者与数据分析师必备的绘图库。
"点赞有美意，赞赏是鼓励"