Python Matplotlib 入门教程:可视化数据的基石
bigegpt 2025-06-08 19:26 7 浏览
一、简介
Matplotlib 是 Python 中最流行的数据可视化库,提供从简单折线图到复杂3D图形的完整解决方案。其核心优势在于:
o 灵活性强:支持像素级样式控制
o 兼容性好:与 NumPy、Pandas 无缝协作
o 扩展性强:支持 LaTeX 公式、动画等高级功能
二、安装与导入
pip install matplotlib
导入方式与Jupyter设置:
import matplotlib.pyplot as plt # 标准导入方式
import numpy as np # 用于生成示例数据
%matplotlib inline # 在Jupyter中内嵌显示图表
三、核心概念:Figure与Axes
# Figure相当于画布,Axes是绘图区域
fig = plt.figure(figsize=(8, 6)) # 创建8x6英寸的画布
ax = fig.add_subplot(1,1,1) # 添加一个1x1的绘图区域
ax.plot([1,2,3], [4,5,1]) # 在Axes上绘图
plt.show()
四、两种绘图模式对比
1. pyplot快捷模式(适合简单图表)
x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='sin(x)')
plt.title('Quick Plot Demo')
plt.legend()
plt.show()
2. 面向对象模式(适合复杂图表)
fig, ax = plt.subplots(figsize=(10, 4))
ax.plot(x, np.cos(x), color='red', linestyle='--', label='cos(x)')
ax.set_title('OOP Style Demo')
ax.legend()
plt.show()
五、常见图表类型
1. 折线图(趋势分析)
# 对比两条产品线季度销售额
quarters = ['Q1', 'Q2', 'Q3', 'Q4']
product_A = [230, 450, 300, 700]
product_B = [180, 400, 350, 650]
fig, ax = plt.subplots()
ax.plot(quarters, product_A, marker='o', label='Product A')
ax.plot(quarters, product_B, marker='s', label='Product B')
ax.set_title('Quarterly Sales Trend')
ax.set_xlabel('Quarter')
ax.set_ylabel('Sales (Million $)')
ax.grid(alpha=0.3)
ax.legend()
plt.show()
2. 柱状图(类别对比)
# 不同编程语言使用率对比
languages = ['Python', 'Java', 'C++', 'JavaScript']
popularity = [75, 60, 45, 55]
fig, ax = plt.subplots()
bars = ax.bar(languages, popularity, color=['#2ca02c', '#d62728', '#1f77b4', '#9467bd'])
ax.set_title('Programming Language Popularity')
ax.set_ylabel('Usage (%)')
# 为每个柱子添加数值标签
for bar in bars:
height = bar.get_height()
ax.text(bar.get_x() + bar.get_width()/2, height,
f'{height}%',
ha='center', va='bottom')
plt.show()
3. 散点图(相关性分析)
# 汽车价格与马力的关系
np.random.seed(42)
price = np.random.normal(35000, 15000, 100)
horsepower = 0.8 * price + np.random.normal(0, 5000, 100)
fig, ax = plt.subplots()
scatter = ax.scatter(price, horsepower, c=horsepower, cmap='viridis', alpha=0.7)
ax.set_title('Car Price vs Horsepower')
ax.set_xlabel('Price ($)')
ax.set_ylabel('Horsepower')
fig.colorbar(scatter, label='Horsepower') # 添加颜色条
plt.show()
4. 直方图(分布分析)
# 学生考试成绩分布
scores = np.random.normal(75, 10, 200)
fig, ax = plt.subplots()
ax.hist(scores, bins=20, edgecolor='black', alpha=0.7)
ax.set_title('Exam Score Distribution')
ax.set_xlabel('Score')
ax.set_ylabel('Frequency')
ax.axvline(scores.mean(), color='red', linestyle='--', label='Mean') # 添加均值线
ax.legend()
plt.show()
六、高级样式控制
1. 全局样式设置
plt.style.use('ggplot') # 应用杂志风格
print(plt.style.available) # 查看所有内置样式
2. 坐标轴高级设置
fig, ax = plt.subplots()
ax.plot(x, np.tan(x))
# 设置坐标轴范围与刻度
ax.set_xlim(0, 10)
ax.set_ylim(-5, 5)
ax.set_xticks(np.arange(0, 11, 2)) # 每2个单位一个刻度
ax.set_xticklabels(['Start', '2', '4', '6', '8', 'End']) # 自定义标签
# 添加参考线
ax.axhline(0, color='black', linewidth=0.8) # x轴参考线
3. 双坐标轴示例
# 温度与降水量双轴图表
months = ['Jan', 'Feb', 'Mar', 'Apr', 'May']
temp = [5, 7, 11, 16, 21]
rainfall = [80, 60, 45, 30, 20]
fig, ax1 = plt.subplots()
ax2 = ax1.twinx()
ax1.plot(months, temp, 'r-', marker='o', label='Temperature')
ax2.bar(months, rainfall, alpha=0.3, label='Rainfall')
ax1.set_ylabel('Temperature (°C)', color='red')
ax2.set_ylabel('Rainfall (mm)', color='blue')
fig.legend(loc='upper left')
plt.show()
七、子图与布局
1. 网格布局
fig, axs = plt.subplots(2, 2, figsize=(10, 8))
# 左上:折线图
axs[0,0].plot(x, np.sin(x), color='blue')
axs[0,0].set_title('Sine Wave')
# 右上:柱状图
axs[0,1].bar(['A', 'B', 'C'], [25, 40, 30], color='orange')
# 左下:散点图
axs[1,0].scatter(np.random.rand(50), np.random.rand(50), c='green')
# 右下:饼图
axs[1,1].pie([30, 70], labels=['Yes', 'No'], autopct='%1.1f%%')
plt.tight_layout() # 自动调整间距
plt.show()
2. 自定义复杂布局
fig = plt.figure(figsize=(12, 6))
gs = fig.add_gridspec(2, 2) # 创建2x2网格
ax_main = fig.add_subplot(gs[:, 0]) # 左列合并
ax_right = fig.add_subplot(gs[0, 1]) # 右上
ax_bottom = fig.add_subplot(gs[1, 1]) # 右下
ax_main.plot(x, np.sin(x))
ax_right.pie([20, 80], labels=['A', 'B'])
ax_bottom.scatter(x, np.cos(x))
plt.show()
八、实战技巧
1. 解决中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei'] # Windows系统
plt.rcParams['axes.unicode_minus'] = False # 解决负号显示异常
2. 结合Pandas使用
import pandas as pd
df = pd.read_csv('sales_data.csv')
fig, ax = plt.subplots()
ax.plot(df['date'], df['revenue'], label='营收')
ax.plot(df['date'], df['cost'], label='成本')
ax.set_title('公司月度财务趋势')
ax.legend()
plt.show()
3. 保存高质量图片
plt.savefig('analysis_report.png',
dpi=300, # 高分辨率
bbox_inches='tight', # 去除白边
transparent=True, # 透明背景
facecolor='white' # 画布颜色
)
九、学习建议
- 官方资源:
- 文档:matplotlib.org
- 示例库:plt.gallery() 查看所有示例
- 调试技巧:
print(ax.get_children()) # 查看所有图表元素
- 进阶路线:
- 学习Seaborn库简化统计图表
- 探索mplot3d绘制3D图形
- 使用Plotly制作交互式图表
相关推荐
- 或者这些Joplin插件也可以帮助你的笔记应用再一次强大
-
写在前面距离上次分享《搭建私有全平台多端同步笔记,群晖NAS自建JoplinServer服务》已过去一段时间,大家是否开始使用起来了呢?如果你和我一样已经使用过Joplin有一段时间了,那或许你也会...
- Three.JS教程4 threejs中的辅助类
-
一、辅助类简介Three.js提供了一些辅助类(Helpers)以帮助我们更容易地调试、可视化场景中的元素。ArrowHelepr:创建箭头辅助器;AxisHelper:创建坐标轴辅助器;BoxH...
- 第2章 还记得点、线、面吗(二)(第二章还能敲钟吗)
-
glbgltf模型(webvrmodel)-gltf模型下载定制,glb模型下载定制,三维项目电商网站在线三维展示,usdz格式,vr模型网,网页VR模型下载,三维模型下载,webgl网页模型下载我...
- 如何检查Linux系统硬件信息?从CPU到显卡,一网打尽!
-
你可能会问:“我为什么要关心硬件信息?”答案很简单:硬件是Linux系统的根基,了解它可以帮你解决很多实际问题。比如:性能调优:知道CPU核心数和内存大小,才能更好地调整程序运行参数。故障排查:系统卡...
- SpriteJS:图形库造轮子的那些事儿
-
从2017年到2020年,我花了大约4年的时间,从零到一,实现了一个可切换WebGL和Canvas2D渲染的,跨平台支持浏览器、SSR、小程序,基于DOM结构和支持响应式的,高...
- 平时积累的FPGA知识点(6)(fpga经典应用100例)
-
平时在FPGA群聊等积累的FPGA知识点,第六期:1万兆网接口,发三十万包,会出现掉几包的情况,为什么?原因:没做时钟约束,万兆网接口的实现,本质上都是高速serdes,用IP的话,IP会自带约束。...
- 芯片逻辑调度框架设计 都需要那些那些软件工具
-
设计芯片逻辑调度框架通常需要使用以下软件工具:1.逻辑设计工具:例如Vivado、Quartus、SynopsysDesignCompiler等,用于设计和实现逻辑电路。2.仿真工具:例如Mo...
- ZYNQ与DSP之间EMIF16通信(正点原子领航者zynq之fpga开发指南v3)
-
本文主要介绍说明XQ6657Z35-EVM高速数据处理评估板ZYNQ与DSP之间EMIF16通信的功能、使用步骤以及各个例程的运行效果。[基于TIKeyStone架构C6000系列TMS320C6...
- 好课推荐:从零开始大战FPGA(从零开始的冒险4399)
-
从零开始大战FPGA引子:本课程为“从零开始大战FPGA”系列课程的基础篇。课程通俗易懂、逻辑性强、示例丰富,课程中尤其强调在设计过程中对“时序”和“逻辑”的把控,以及硬件描述语言与硬件电路相对应的“...
- 业界第一个真正意义上开源100 Gbps NIC Corundum介绍
-
来源:内容由「网络交换FPGA」编译自「FCCM2020」,谢谢。FCCM2020在5月4日开始线上举行,对外免费。我们有幸聆听了其中一个有关100G开源NIC的介绍,我们对该文章进行了翻译,并对其中...
- 高层次综合:解锁FPGA广阔应用的最后一块拼图
-
我们为什么需要高层次综合高层次综合(High-levelSynthesis)简称HLS,指的是将高层次语言描述的逻辑结构,自动转换成低抽象级语言描述的电路模型的过程。所谓的高层次语言,包括C、C++...
- Xilinx文档编号及其内容索引(部分)
-
Xilinx文档的数量非常多。即使全职从事FPGA相关工作,没有几年时间不可能对器件特性、应用、注意事项等等有较为全面的了解。本文记录了我自使用Xilinx系列FPGA以来或精读、或翻阅、或查询过的文...
- Xilinx Vivado联合Modelsim软件仿真
-
引言:Xilinx公司Vivado开发软件自带仿真工具,可以实现一般性能的FPGA软件仿真测试,其测试执行效率以及性能都不如第三方专用仿真软件Modelsim强。本文我们介绍下如何进行Vivado20...
- 体育动画直播是怎么做出来的?从数据到虚拟赛场的科技魔法!
-
你是否见过这样的比赛直播?没有真实球员,却能看梅西带球突破?足球比赛变成动画版,但数据100%真实?电竞比赛用虚拟形象直播,选手操作实时同步?这就是体育动画直播——一种融合实时数据、游戏引擎和AI的...
- Dialogue between CPC and political parties of neighboring countries held in Beijing
-
BEIJING,May26(Xinhua)--TheCommunistPartyofChina(CPC)inDialoguewithPoliticalPartiesof...
- 一周热门
- 最近发表
- 标签列表
-
- mybatiscollection (79)
- mqtt服务器 (88)
- keyerror (78)
- c#map (65)
- resize函数 (64)
- xftp6 (83)
- bt搜索 (75)
- c#var (76)
- mybatis大于等于 (64)
- xcode-select (66)
- mysql授权 (74)
- 下载测试 (70)
- linuxlink (65)
- pythonwget (67)
- androidinclude (65)
- libcrypto.so (74)
- logstashinput (65)
- hadoop端口 (65)
- vue阻止冒泡 (67)
- jquery跨域 (68)
- php写入文件 (73)
- kafkatools (66)
- mysql导出数据库 (66)
- jquery鼠标移入移出 (71)
- 取小数点后两位的函数 (73)