Matplotlib

Matplotlib 可以把它看成 Python 世界里的“老牌绘图引擎”。如果数据需要变成图，它通常是第一批被请上场的工具之一。设计目标很直接：把数据变成可视化结果，而且尽量接近 MATLAB 的使用体验，所以名字里就有个 “mat”。

它的核心能力是二维绘图：折线图、散点图、柱状图、直方图、饼图、热力图这些基础图形都能稳定产出。底层是面向对象的绘图系统，上层又提供了一个接近“命令式脚本风格”的接口（pyplot）。多数人先用 pyplot，因为写起来像这样一路画下去，心智负担小；等需要精细控制时，再切换到面向对象接口去精调坐标轴、子图、刻度、样式。

典型工作流程很朴素：准备数据 → 创建图和坐标轴 → 调用绘图函数 → 调整样式 → 显示或保存。它和 NumPy、Pandas 贴合度很高，数组或 Series 往里一塞就能画。很多高级可视化库（比如 seaborn）本质上也是在 Matplotlib 上包了一层“更省心的语法糖”。

Matplotlib 绘图示例

绘制一个图，需要导入 matplotlib.pyplot 模块，然后设置中文字体，准备数据，

import matplotlib.pyplot as plt

plt.rcParams["font.family"] = ["Times New Roman", "SimSun"]  # 英文字体为新罗马，中文字体为宋体
plt.rcParams["font.serif"] = ["Times New Roman", "SimSun"]  # 衬线字体
plt.rcParams["font.sans-serif"] = ["Times New Roman", "SimSun", "Arial", "SimHei"]  # 无衬线字体，与Latex相关
plt.rcParams["mathtext.fontset"] = "custom"  # 设置LaTeX字体为用户自定义，这里演示，就不用computer modern了
plt.rcParams["axes.unicode_minus"] = False

plt.figure(figsize=(10, 5), dpi=200)  # 创建画布

x = [i for i in range(1, 25)]  # X轴信息
y = [-8, -8, -8, -7, -7, -7, -6, -6, -7, -5, -4, -1, 1, 1, 2, 1, -1, -4, -4, -5, -5, -6, -7, -7]

x_labels = [f"{i:2d}:00" for i in x[::2]]
y_labels = [f"{i}℃" for i in y]

plt.plot(x, y, linewidth=1)
plt.xticks(x[::2], x_labels)
plt.yticks(y, y_labels)
plt.title("沈阳24小时气温变化", pad=10)
plt.xlabel("时间", labelpad=10)
plt.ylabel("气温", labelpad=10)
plt.grid(True, linestyle="--", linewidth=0.5)

plt.show()

x, y: x 轴和 y 轴的数据序列
color / c: 线条颜色，支持颜色名称（'r' 红色、'b' 蓝色）或十六进制（'#FF5733'）
linestyle / ls: 线条样式，'-' 实线、'--' 虚线、':' 点线、'-.' 点划线
linewidth / lw: 线条宽度，默认 1.0
marker: 标记点样式，'o' 圆点、's' 方块、'^' 上三角、'd' 菱形、'x' 叉号
markersize / ms: 标记点大小
markerfacecolor / mfc: 标记点填充颜色
markeredgecolor / mec: 标记点边缘颜色
alpha: 透明度，0-1 之间的值
label: 图例标签，配合 plt.legend() 使用

import random
import matplotlib.pyplot as plt

plt.figure(figsize=(10, 5), dpi=100)

x = [i for i in range(1, 11)]
y1 = [random.uniform(3, 5) for i in range(10)]
y2 = [random.uniform(4, 6) for i in range(10)]

plt.plot(x, y1, color='steelblue', linestyle='--', linewidth=2,
         marker='o', markersize=6, label='Series A')
plt.plot(x, y2, color='#FF6B6B', linestyle='-', linewidth=2,
         marker='s', markersize=6, label='Series B')
plt.ylim(2, 8)
plt.legend()

plt.show()

柱状图

matplotlib.pyplot.bar(x, height, ...): 绘制柱状图，用于比较不同类别的数值大小。

常用参数：

x: 柱子的 x 轴位置
height: 柱子的高度
width: 柱子宽度，默认 0.8
bottom: 柱子底部的 y 坐标，用于堆叠柱状图
color / c: 柱子颜色
edgecolor / ec: 柱子边缘颜色
linewidth / lw: 边缘线宽
alpha: 透明度
align: 柱子对齐方式，'center'（默认）或 'edge'
label: 图例标签
hatch: 填充纹理，'/' 斜线、'\' 反斜线、'x' 交叉线、'.' 点状

import random
import matplotlib.pyplot as plt

plt.figure(figsize=(10, 5), dpi=100)

x = [i for i in range(1, 11)]
y1 = [random.randint(1, 101) for i in range(10)]

plt.bar(x, y1, width=0.6, color='skyblue', edgecolor='navy',
        linewidth=1.2, alpha=0.8, label='Value')
plt.ylim(0, 100)
plt.legend()

plt.show()

直方图

matplotlib.pyplot.hist(x, ...): 绘制直方图，用于展示数据的分布情况。

常用参数：

x: 输入数据序列
bins: 柱子数量或边界，可以是整数、序列或字符串（'auto'、'fd'、'doane'、'scott'、'stone'、'rice'、'sturges'、'sqrt'）
range: 数据范围，元组 (min, max)
density: 是否归一化为概率密度，默认 False
weights: 每个数据点的权重
cumulative: 是否绘制累积分布，默认 False
bottom: 柱子底部的 y 坐标
histtype: 直方图类型，'bar'（默认并列）、'barstacked'（堆叠）、'step'（阶梯）、'stepfilled'
align: 柱子对齐，'left'、'mid'（默认）、'right'
orientation: 方向，'vertical'（默认）或 'horizontal'
color / c: 柱子颜色
edgecolor / ec: 边缘颜色
linewidth / lw: 边缘线宽
alpha: 透明度

import numpy as np
import matplotlib.pyplot as plt

# 生成随机数据（正态分布）
data = np.random.randn(1000)

plt.figure(figsize=(10, 5), dpi=100)

plt.hist(data, bins=30, color='steelblue', edgecolor='black',
         linewidth=0.8, alpha=0.7, density=True)

plt.show()

饼图

matplotlib.pyplot.pie(x, ...): 绘制饼图，用于展示各部分占整体的比例。

常用参数：

x: 各扇形的数值（自动计算比例）
explode: 扇形偏离圆心的距离数组，用于突出显示某块
labels: 各扇形的标签
colors: 扇形颜色列表
autopct: 百分比显示格式，如 '%1.1f%%' 显示一位小数
pctdistance: 百分比文本距圆心的距离，默认 0.6
shadow: 是否添加阴影，默认 False
labeldistance: 标签距圆心的距离，默认 1.1
startangle: 起始角度，默认从 x 轴正方向逆时针
radius: 饼图半径，默认 1
counterclock: 是否逆时针绘制，默认 True
wedgeprops: 扇形属性字典，如
textprops: 文本属性字典
center: 饼图中心位置，默认 (0, 0)
frame: 是否绘制坐标轴框架，默认 False

import matplotlib.pyplot as plt

# 饼图数据
labels = ['Apple', 'Banana', 'Orange', 'Grape', 'Mango']
sizes = [30, 20, 15, 25, 10]
colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99', '#ff99cc']
explode = [0, 0, 0, 0.1, 0]  # 突出显示 Grape

plt.figure(figsize=(8, 8), dpi=100)

plt.pie(sizes, explode=explode, labels=labels, colors=colors,
        autopct='%1.1f%%', startangle=90,
        wedgeprops={'linewidth': 1, 'edgecolor': 'white'},
        textprops={'fontsize': 12})

plt.title('Pie Chart Example')

plt.show()

散点图

matplotlib.pyplot.scatter(x, y, ...): 绘制散点图，用于展示两个变量之间的关系。

常用参数：

x, y: 点的 x 和 y 坐标
s: 点的大小，可以是标量或与数据等长的数组
c / color: 点的颜色，可以是颜色、颜色列表或与数据等长的数组（配合 cmap 使用）
marker: 标记样式，'o' 圆点、's' 方块、'^' 三角、'd' 菱形、'p' 五边形、'*' 星形
cmap: 颜色映射，当 c 为数组时使用，如 'viridis'、'plasma'、'coolwarm'、'jet'
alpha: 透明度，0-1 之间的值
linewidths / lw: 标记边缘线宽
edgecolors / ec: 标记边缘颜色
label: 图例标签
vmin, vmax: 颜色映射的范围
norm: 颜色归一化对象

import numpy as np
import matplotlib.pyplot as plt

# 生成随机数据
np.random.seed(42)
x = np.random.randn(100)
y = np.random.randn(100)
colors = np.random.rand(100)
sizes = np.random.rand(100) * 300

plt.figure(figsize=(10, 6), dpi=100)

plt.scatter(x, y, c=colors, s=sizes, alpha=0.6, cmap='viridis',
           edgecolors='black', linewidths=0.5)

plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Scatter Plot Example')
plt.colorbar(label='Color Value')

plt.show()

Matplotlib 辅助绘图

plt.xticks(ticks=None, labels=None, **kwargs)：设置或获取横轴刻度，作用是控制 x 轴“刻度位置”和“刻度显示文字”。

常见用法有三种层级：

1）只设置刻度位置

plt.xticks([0, 1, 2, 3, 4])

2）同时设置位置 + 显示标签

plt.xticks(
    [0, 1, 2, 3],
    ["10:00", "10:30", "11:00", "11:30"]
)

3）控制刻度样式（通过 kwargs）

plt.xticks(
    [0, 1, 2, 3],
    fontsize=12,
    rotation=45   # 旋转角度，时间标签常用
)

常用参数说明：

ticks：刻度位置列表
labels：刻度文字列表（长度必须和 ticks 一致）
rotation：旋转角度
fontsize：字体大小
color：刻度文字颜色

同理：

plt.yticks(...)：设置或获取纵轴刻度。参数和 xticks 完全同构，行为一致，只是作用在 y 轴。

plt.grid(True, linestyle='--', alpha=0.5)：显示网格线

作用是提高读图精度，让视觉系统更容易估计数值位置。

常见参数：

plt.grid(
    True,              # 是否显示
    linestyle='--',    # 线型：'-' '--' '-.' ':'
    linewidth=1,       # 线宽
    color='gray',      # 颜色
    alpha=0.5          # 透明度
)

进阶用法：只开某个方向的网格

plt.grid(axis='x')   # 只显示竖向网格
plt.grid(axis='y')   # 只显示横向网格

plt.xlabel() / plt.ylabel()：设置坐标轴名称

plt.xlabel("时间", fontsize=14)
plt.ylabel("温度(℃)", fontsize=14)

常见参数：

fontsize：字号
labelpad：与轴的间距
loc：位置（left / right / center，较新版本支持）

plt.title()：设置图标题

plt.title(
    "中午11点到12点温度变化",
    fontsize=20,
    loc='center'
)

可用参数：

fontsize：字号
loc：位置（left / center / right）
pad：和图像的间距

多语言环境经常遇到一个现实问题：中文可能乱码。那是字体问题，需要先设置中文字体，否则 matplotlib 默认字体库不含中文字符。

plt.savefig("test.png")：保存图片到文件。

这是绘图流程里的“落盘指令”，不调用就只会显示，不会保存。

常用增强参数：

plt.savefig(
    "test.png",
    dpi=300,              # 分辨率（打印/论文必调）
    bbox_inches="tight",  # 去掉多余白边
    transparent=False     # 是否透明背景
)

关键细节顺序规则：

先 savefig，再 show。

plt.savefig("test.png")
plt.show()

因为在某些后端环境里，show() 会清空当前图像缓冲区，导致保存到空图。

Matplotlib 常见问题

中文显示方块

这是 Matplotlib 没有正确加载字体导致的，在导入 Matplotlib 后添加如下代码即可。

plt.rcParams["font.family"] = ["Times New Roman", "SimSun"]  # 英文字体为新罗马，中文字体为宋体
plt.rcParams["font.serif"] = ["Times New Roman", "SimSun"]  # 衬线字体
plt.rcParams["font.sans-serif"] = ["Times New Roman", "SimSun", "Arial", "SimHei"]  # 无衬线字体，与Latex相关
plt.rcParams["mathtext.fontset"] = "custom"  # 设置LaTeX字体为用户自定义，这里演示，就不用computer modern了
plt.rcParams["axes.unicode_minus"] = False

版权所有

许可证：署名 4.0 国际 (CC-BY-4.0)

Matplotlib

Matplotlib 绘图示例

Matplotlib 图形结构

Matplotlib 图形种类

折线图

柱状图

直方图

饼图

散点图

Matplotlib 辅助绘图

Matplotlib 常见问题

中文显示方块

版权所有