Matplotlib 详细介绍文档

1. 概述

Matplotlib 是 Python 中最流行的 2D 绘图库，它提供了一个面向对象的 API 用于将图表嵌入到应用程序中，以及一个类似于 MATLAB 的 pyplot 接口用于快速绘图。Matplotlib 可以生成高质量的图表，支持多种输出格式，并可与 NumPy、Pandas 等科学计算库无缝集成。

2. 主要特性

支持多种图表类型：线图、柱状图、散点图、饼图、等高线图等
高度可定制化：几乎可以自定义图表的每个元素
多种输出格式：PNG、PDF、SVG、EPS 等
交互式功能：缩放、平移、更新图表
支持 LaTeX 文本渲染
与 Jupyter Notebook 良好集成

3. 安装与导入

3.1 安装

bash

pip install matplotlib

3.2 导入

python

import matplotlib.pyplot as plt
import numpy as np

4. 基本图表类型

4.1 线图 (Line Plot)

python

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.figure(figsize=(8, 4))
plt.plot(x, y, label='sin(x)', color='blue', linestyle='-', linewidth=2)
plt.title('Sine Wave')
plt.xlabel('x')
plt.ylabel('sin(x)')
plt.legend()
plt.grid(True)
plt.show()

4.2 散点图 (Scatter Plot)

python

x = np.random.randn(100)
y = np.random.randn(100)
colors = np.random.rand(100)
sizes = 1000 * np.random.rand(100)

plt.figure(figsize=(8, 6))
plt.scatter(x, y, c=colors, s=sizes, alpha=0.5, cmap='viridis')
plt.colorbar()  # 显示颜色条
plt.title('Random Scatter Plot')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

4.3 柱状图 (Bar Chart)

python

categories = ['A', 'B', 'C', 'D']
values = [15, 25, 30, 20]

plt.figure(figsize=(8, 5))
bars = plt.bar(categories, values, color=['red', 'green', 'blue', 'cyan'])
plt.title('Bar Chart Example')
plt.xlabel('Categories')
plt.ylabel('Values')

# 在柱子上方添加数值标签
for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width() / 2., height,
             f'{height}', ha='center', va='bottom')

plt.show()

4.4 直方图 (Histogram)

python

data = np.random.randn(1000)

plt.figure(figsize=(8, 5))
plt.hist(data, bins=30, density=True, alpha=0.7, color='steelblue', edgecolor='black')
plt.title('Histogram of Normal Distribution')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.grid(True, linestyle='--', alpha=0.5)
plt.show()

4.5 饼图 (Pie Chart)

python

labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)  # 突出显示第二部分

plt.figure(figsize=(8, 6))
plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
        shadow=True, startangle=90, colors=['gold', 'yellowgreen', 'lightcoral', 'lightskyblue'])
plt.axis('equal')  # 保证饼图是圆形
plt.title('Pie Chart Example')
plt.show()

5. 高级图表

5.1 子图 (Subplots)

python

x = np.linspace(0, 2 * np.pi, 400)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)

plt.figure(figsize=(10, 8))

# 创建2行2列的子图布局
plt.subplot(2, 2, 1)  # (行, 列, 位置)
plt.plot(x, y1, 'r-')
plt.title('Sine')

plt.subplot(2, 2, 2)
plt.plot(x, y2, 'b--')
plt.title('Cosine')

plt.subplot(2, 2, 3)
plt.plot(x, y3, 'g-.')
plt.title('Tangent')

plt.subplot(2, 2, 4)
plt.plot(x, y1, 'r-', label='sin')
plt.plot(x, y2, 'b--', label='cos')
plt.legend()
plt.title('Sine and Cosine')

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

5.2 3D 绘图

python

from mpl_toolkits.mplot3d import Axes3D

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

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))

surf = ax.plot_surface(x, y, z, cmap='viridis', edgecolor='none')
fig.colorbar(surf, shrink=0.5, aspect=5)

ax.set_title('3D Surface Plot')
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.show()

5.3 等高线图 (Contour Plot)

python

x = np.linspace(-3, 3, 100)
y = np.linspace(-3, 3, 100)
x, y = np.meshgrid(x, y)
z = np.exp(-(x ** 2 + y ** 2)) - np.exp(-((x - 1) ** 2 + (y - 1) ** 2))

plt.figure(figsize=(10, 7))
contour = plt.contour(x, y, z, levels=20, cmap='RdGy')
plt.clabel(contour, inline=True, fontsize=8)
plt.colorbar(contour)
plt.title('Contour Plot')
plt.xlabel('x')
plt.ylabel('y')
plt.grid(True)
plt.show()

6. 样式与自定义

6.1 使用样式表

python

print(plt.style.available)  # 查看可用样式

plt.style.use('ggplot')  # 使用ggplot样式

x = np.linspace(0, 10, 100)
plt.figure(figsize=(8, 4))
plt.plot(x, np.sin(x), label='sin')
plt.plot(x, np.cos(x), label='cos')
plt.legend()
plt.title('Styled Plot')
plt.show()

6.2 自定义图表元素

python

plt.figure(figsize=(10, 6))

# 创建数据
x = np.arange(1, 6)
y = x ** 2

# 绘制柱状图
bars = plt.bar(x, y, color='skyblue', edgecolor='black', linewidth=1.2)

# 自定义图表元素
plt.title('Customized Bar Chart', fontsize=16, fontweight='bold', pad=20)
plt.xlabel('X Values', fontsize=12, labelpad=10)
plt.ylabel('Y Values', fontsize=12, labelpad=10)

# 设置坐标轴刻度
plt.xticks(x, ['A', 'B', 'C', 'D', 'E'], fontsize=10)
plt.yticks(fontsize=10)

# 设置网格线
plt.grid(axis='y', linestyle='--', alpha=0.7)

# 添加数据标签
for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width() / 2., height,
             f'{height}', ha='center', va='bottom', fontsize=10)

# 设置图表边框
for spine in plt.gca().spines.values():
    spine.set_visible(True)
    spine.set_linewidth(1.5)

plt.tight_layout()
plt.show()

7. 交互式功能

7.1 缩放与平移

python

from matplotlib.widgets import Cursor

x = np.linspace(0, 10, 100)
y = np.sin(x)

fig, ax = plt.subplots(figsize=(8, 5))
ax.plot(x, y, 'b-', linewidth=2)

# 添加十字光标
cursor = Cursor(ax, useblit=True, color='red', linewidth=1)

plt.title('Interactive Plot - Try Zooming and Panning')
plt.xlabel('X')
plt.ylabel('sin(X)')
plt.grid(True)
plt.show()

7.2 动态更新图表

python

import matplotlib.animation as animation

fig, ax = plt.subplots(figsize=(8, 5))
x = np.linspace(0, 2 * np.pi, 100)
line, = ax.plot(x, np.sin(x))


def update(frame):
    line.set_ydata(np.sin(x + frame / 10))
    return line,


ani = animation.FuncAnimation(fig, update, frames=100, interval=50, blit=True)
plt.title('Animated Sine Wave')
plt.xlabel('X')
plt.ylabel('sin(X)')
plt.grid(True)
plt.show()

8. 与 Pandas 集成

python

import pandas as pd

# 创建示例数据
data = {
    'Year': [2015, 2016, 2017, 2018, 2019, 2020],
    'Sales': [200, 250, 300, 350, 400, 450],
    'Expenses': [150, 180, 200, 220, 250, 280]
}
df = pd.DataFrame(data)

# 使用Pandas数据绘图
plt.figure(figsize=(10, 5))
plt.plot(df['Year'], df['Sales'], 'bo-', label='Sales')
plt.plot(df['Year'], df['Expenses'], 'rs--', label='Expenses')

plt.title('Company Performance (2015-2020)')
plt.xlabel('Year')
plt.ylabel('Amount ($)')
plt.legend()
plt.grid(True)

# 使用Pandas直接绘图
df.plot(x='Year', y=['Sales', 'Expenses'], kind='bar', figsize=(10, 5),
        title='Company Performance - Bar Chart')
plt.ylabel('Amount ($)')
plt.show()

9. 性能优化技巧

减少数据点: 对于大型数据集，适当降采样
使用矢量操作: 避免在循环中逐个绘制点
关闭自动缩放: 对于动画或交互式图表，关闭不必要的自动缩放
使用 blitting: 对于动画，使用 blitting 技术提高性能
选择合适的后端: 根据使用场景选择合适后端 (TkAgg, Qt5Agg, etc.)

10. 常见问题与解决方案

10.1 中文显示问题

python

plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

plt.figure()
plt.title('中文标题示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.plot([1, 2, 3], [1, 4, 9])
plt.show()

10.2 保存高质量图片

python

plt.figure()
plt.plot([1, 2, 3], [1, 4, 9])
plt.savefig('high_quality.png', dpi=300, bbox_inches='tight', transparent=True)

10.3 处理内存泄漏

python

# 显式关闭图形
plt.close('all')

# 使用上下文管理器
with plt.ion():
    plt.plot([1, 2, 3], [1, 4, 9])
    plt.show()

11. 扩展库与替代方案

Seaborn: 基于Matplotlib的高级统计图表库
Plotly: 交互式可视化库，支持3D和Web
Bokeh: 面向Web浏览器的交互式可视化库
Altair: 基于Vega-Lite的声明式统计可视化库
PyQtGraph: 高性能科学/工程绘图库

12. 学习资源

官方文档: https://matplotlib.org/stable/contents.html
Matplotlib 教程: https://matplotlib.org/stable/tutorials/index.html
示例库: https://matplotlib.org/stable/gallery/index.html
书籍: "Python Data Science Handbook" (Jake VanderPlas)

13. 总结

Matplotlib 是 Python 数据可视化生态系统的基石，提供了从简单到复杂的各种绘图功能。虽然其 API 有时被认为较为底层和复杂，但其灵活性和强大功能使其成为科学计算和数据可视化领域的标准工具。

通过掌握 Matplotlib，您将能够创建几乎任何类型的静态可视化，并为学习更高级的可视化库打下坚实基础。建议从基本图表开始，逐步探索更高级的功能和自定义选项。

Matplotlib 详细介绍文档 ​

1. 概述 ​

2. 主要特性 ​

3. 安装与导入 ​

3.1 安装 ​

3.2 导入 ​

4. 基本图表类型 ​

4.1 线图 (Line Plot) ​

4.2 散点图 (Scatter Plot) ​

4.3 柱状图 (Bar Chart) ​

4.4 直方图 (Histogram) ​

4.5 饼图 (Pie Chart) ​

5. 高级图表 ​

5.1 子图 (Subplots) ​

5.2 3D 绘图 ​

5.3 等高线图 (Contour Plot) ​

6. 样式与自定义 ​

6.1 使用样式表 ​

6.2 自定义图表元素 ​

7. 交互式功能 ​

7.1 缩放与平移 ​

7.2 动态更新图表 ​

8. 与 Pandas 集成 ​

9. 性能优化技巧 ​

10. 常见问题与解决方案 ​

10.1 中文显示问题 ​

10.2 保存高质量图片 ​

10.3 处理内存泄漏 ​

11. 扩展库与替代方案 ​

12. 学习资源 ​

13. 总结 ​

Matplotlib 详细介绍文档

1. 概述

2. 主要特性

3. 安装与导入

3.1 安装

3.2 导入

4. 基本图表类型

4.1 线图 (Line Plot)

4.2 散点图 (Scatter Plot)

4.3 柱状图 (Bar Chart)

4.4 直方图 (Histogram)

4.5 饼图 (Pie Chart)

5. 高级图表

5.1 子图 (Subplots)

5.2 3D 绘图

5.3 等高线图 (Contour Plot)

6. 样式与自定义

6.1 使用样式表

6.2 自定义图表元素

7. 交互式功能

7.1 缩放与平移

7.2 动态更新图表

8. 与 Pandas 集成

9. 性能优化技巧

10. 常见问题与解决方案

10.1 中文显示问题

10.2 保存高质量图片

10.3 处理内存泄漏

11. 扩展库与替代方案

12. 学习资源

13. 总结