跳到主要内容

Matplotlib 入门教程

Matplotlib 是 Python 中最基础、最流行的数据可视化库。几乎所有你在 Python 中见到的静态图表，底层逻辑大概率都和它有关（甚至很多更高级的库如 Seaborn、Pandas Plotting 都是基于它构建的）。

1. plt 到底是什么？​

在几乎所有的 Matplotlib 教程中，你都会看到这行代码：

import matplotlib.pyplot as plt

这里的 plt 只是一个通用的缩写（别名），它指代的是 Matplotlib 库中的 pyplot 子模块。

为什么它这么重要？​

  • 它是入口： pyplot 提供了一个"状态机式"的接口。简单来说，它就像一个遥控器。
  • 它是画笔： 当你调用 plt.plot() 时，你是在告诉这个遥控器："在当前活动的画布上，用当前的画笔画一条线"。
  • 它是为了模仿 MATLAB： Matplotlib 的设计初衷之一是让习惯使用 MATLAB 的工程师能快速上手 Python 画图，pyplot 的语法风格几乎照搬了 MATLAB。

一句话总结： plt 是你与 Matplotlib 交互的最便捷接口，负责管理画布、坐标轴和绘图动作。

2. 核心概念：Matplotlib 的层级结构​

初学者最容易晕的地方在于分不清"画布"和"坐标系"。你可以把 Matplotlib 的绘图逻辑想象成在墙上挂画：

Figure (画布/图窗)​

这是最底层的容器，相当于整张纸或整个窗口。一张 Figure 上可以包含一个或多个图表。

Axes (子图/绘图区)​

这是最重要的概念！ 注意不是 Axis（轴），而是 Axes。

它代表具体的某一张图表。它包含坐标轴、曲线、标题等。如果你想在一个窗口画两张图，那你就有 1 个 Figure 和 2 个 Axes。

Axis (坐标轴)​

仅仅指 X 轴和 Y 轴这两条线，以及上面的刻度（Ticks）和标签（Labels）。

Artist (图元)​

你在图上看到的任何东西（点、线、字、图例）都是 Artist。

3. 两种使用流派​

Matplotlib 有两种写代码的方式，初学者常因为混淆这两种方式而感到困惑。

方式 A：Pyplot 风格 (简单、快捷)​

这是最常见的"脚本式"写法，依靠 plt 自动管理当前状态。适合简单的图表。

import matplotlib.pyplot as plt

plt.plot([1, 2, 3], [4, 5, 6])  # 只要这一句就能画图
plt.title("Simple Plot")
plt.show()

方式 B：面向对象风格 (推荐)​

这是更专业、更灵活的写法。你需要显式地创建"画布"和"子图"对象，然后对着对象操作。它可以让你精确控制图表的每一个细节。

import matplotlib.pyplot as plt

# 1. 显式创建 画布(fig) 和 子图(ax)
fig, ax = plt.subplots()

# 2. 在子图对象上画图
ax.plot([1, 2, 3], [4, 5, 6])

# 3. 设置子图属性 (注意这里用 set_title 而不是 title)
ax.set_title("OO Style Plot")

plt.show()

建议： 虽然 plt.plot() 很简单，但为了长远考虑（比如画多子图、复杂布局），强烈建议养成使用 fig, ax = plt.subplots() 的习惯。

4. 常用图表速查​

使用 plt (或 ax 对象) 可以绘制多种图表，以下是最高频的几种：

图表类型方法名适用场景
折线图plot(x, y)观察数据随时间或顺序的变化趋势
散点图scatter(x, y)观察两个变量之间的相关性
柱状图bar(x, height)比较不同类别的数值大小
直方图hist(x)查看数据的分布情况
饼图pie(x)查看各部分占总体的比例

5. 实战代码示例​

这是一个完整的、带有注释的面向对象风格示例：

import matplotlib.pyplot as plt
import numpy as np

# 1. 准备数据
x = np.linspace(0, 10, 100)  # 0到10之间生成100个点
y1 = np.sin(x)               # 正弦曲线
y2 = np.cos(x)               # 余弦曲线

# 2. 创建画布和子图
# figsize控制图片大小(宽, 高)
fig, ax = plt.subplots(figsize=(8, 5))

# 3. 绘图并设置样式
# label用于后续显示图例
ax.plot(x, y1, color="blue", linewidth=2, linestyle="-", label="Sin(x)")
ax.plot(x, y2, color="red",  linewidth=2, linestyle="--", label="Cos(x)")

# 4. 装饰图表
ax.set_title("Trigonometric Functions", fontsize=14) # 标题
ax.set_xlabel("Time (s)")                            # X轴标签
ax.set_ylabel("Amplitude")                           # Y轴标签
ax.grid(True, alpha=0.3)                             # 显示网格，透明度0.3
ax.legend()                                          # 显示图例

# 5. 显示或保存
# plt.savefig("my_plot.png", dpi=300) # 保存为图片
plt.show()                            # 在屏幕显示

6. 常用样式参数​

颜色​

color='blue'      # 颜色名
color='#FF5733'   # 十六进制
color='r'         # 简写：r红, g绿, b蓝, k黑, w白

线型​

linestyle='-'     # 实线
linestyle='--'    # 虚线
linestyle='-.'    # 点划线
linestyle=':'     # 点线

标记点​

marker='o'        # 圆点
marker='s'        # 方块
marker='^'        # 三角形
marker='*'        # 星号

7. 多子图布局​

import matplotlib.pyplot as plt
import numpy as np

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

# 创建 2行2列 的子图
fig, axes = plt.subplots(2, 2, figsize=(10, 8))

# 访问各个子图
axes[0, 0].plot(x, np.sin(x))
axes[0, 0].set_title('Sin')

axes[0, 1].plot(x, np.cos(x))
axes[0, 1].set_title('Cos')

axes[1, 0].plot(x, np.tan(x))
axes[1, 0].set_title('Tan')

axes[1, 1].plot(x, x**2)
axes[1, 1].set_title('Square')

plt.tight_layout()  # 自动调整布局，避免重叠
plt.show()

8. 保存图片​

# 保存为不同格式
plt.savefig('plot.png', dpi=300)           # PNG，高分辨率
plt.savefig('plot.pdf')                     # PDF，矢量图
plt.savefig('plot.svg')                     # SVG，矢量图

# 常用参数
plt.savefig('plot.png',
            dpi=300,                        # 分辨率
            bbox_inches='tight',            # 去除多余空白
            transparent=True)               # 透明背景

相关资源​