Python数据可视化利器：Matplotlib全解析

matplotlib介绍

        Matplotlib 是 Python 中最流行的数据可视化库之一，广泛用于生成高质量的静态、动态和交互式图表。它提供了类似 MATLAB 的绘图接口，支持多种图表类型，包括折线图、散点图、柱状图、等高线图和 3D 图形等。

matplotlib核心组成

1. Figure：画布，所有图表元素的容器。
2. Axes：坐标系，包含坐标轴、标签、标题等，用于绘制具体图表。
3. Axis：坐标轴，控制刻度、标签和网格线。
4. Artist：所有可见元素的基类，如文本、线条、图像等

matplotlib安装方法

通过 pip 安装最新版本：

pip install matplotlib

常用图表类型

1. 折线图：plt.plot()
2. 散点图：plt.scatter()
3. 柱状图：plt.bar()
4. 直方图：plt.hist()
5. 饼图：plt.pie()

高级功能

• 子图布局：通过 plt.subplots() 创建多子图。
• 样式定制：使用 plt.style.use() 切换预定义样式（如 ggplot、seaborn）。
• 3D 绘图：导入 mpl_toolkits.mplot3d 模块绘制三维图形。

功能方法

折现图

import matplotlib.pyplot as plt
import numpy as np

# 设置字体为 SimHei（黑体）
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决负号显示为方块的问题
plt.rcParams['axes.unicode_minus'] = False

x = np.array([0, 1, 2, 3, 4])
y = np.array([0, 1, 4, 9, 16])

plt.plot(x, y)
plt.xlabel('X轴标签')
plt.ylabel('Y轴标签')
plt.title('折线图示例')
plt.show()

输出

注意如果我们图中有文字的话，要加一段代码

# 设置字体为 SimHei（黑体）
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决负号显示为方块的问题
plt.rcParams['axes.unicode_minus'] = False

不然文字可能会无法显示

散点图

import matplotlib.pyplot as plt
import numpy as np

# 设置字体为 SimHei（黑体）
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决负号显示为方块的问题
plt.rcParams['axes.unicode_minus'] = False

x = np.array([0, 1, 2, 3, 4])
y = np.array([0, 1, 4, 9, 16])

plt.scatter(x,y)
plt.xlabel('X轴标签')
plt.ylabel('Y轴标签')
plt.title('散点图实例')
plt.show()

输出

 plt.subplots() 方法

import matplotlib.pyplot as plt
import numpy as np

# 创建2x2子图布局
fig, axs = plt.subplots(2, 2, figsize=(10, 8))  # figsize控制画布大小
x = np.linspace(0, 10, 100)

# 在每个子图绘制不同图像
axs[0, 0].plot(x, np.sin(x))  # 第一行第一列
axs[0, 0].set_title('Sine Wave')
axs[0, 1].scatter(x, np.cos(x), color='red')  # 第一行第二列
axs[1, 0].bar([1, 2, 3], [3, 7, 2])  # 第二行第一列
axs[1, 1].pie([15, 30, 45], labels=['A', 'B', 'C'])  # 第二行第二列

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

 上面，我们一个画布上展现了四张图片，并且其中包含了饼图，柱形图，散点图，线图。并且还展示了如歌调换颜色。

3D图像

import numpy as np
import matplotlib.pyplot as plt


# 生成随机数据
np.random.seed(42)
n = 100
x = np.random.rand(n) * 10
y = np.random.rand(n) * 5
z = np.sin(x) + np.cos(y) + np.random.normal(0, 0.2, n)

# 创建3D图形
fig = plt.figure(figsize=(10, 8))
fig = plt.axes(projection="3d")

# 绘制散点图（颜色映射和大小渐变）
scatter = fig.scatter(x, y, z, c=z, cmap='viridis', s=50*(z-z.min()+1), alpha=0.8)

# 添加颜色条

# 设置标签和标题
fig.set(xlabel='X Axis', ylabel='Y Axis', zlabel='Z Axis',
       title='3D Scatter Plot with Color Gradient')
plt.show()

 这样我们就完成了一个3d图像的绘制