1. 介绍

Matplotlib 是一个用于绘制图表和可视化数据的 Python 库。它提供了丰富的绘图工具，可以用于生成各种静态、交互式和动画图表。Matplotlib 是数据科学、机器学习和科学计算领域中最流行的绘图库之一。

1.1 关键特性

以下是 Matplotlib 的一些关键特性：

  • 简单易用： Matplotlib 提供了简单而直观的 API，使得用户能够轻松创建各种类型的图表。

  • 多种绘图类型： 支持绘制各种类型的图表，包括线图、散点图、柱状图、饼图、等高线图、3D 图表等。

  • 自定义性强： 用户可以轻松地自定义图表的外观和样式，包括颜色、线型、标签、标题等。

  • 支持 LaTex： 支持使用 LaTeX 渲染文本，使得图表标签和注释可以具有高质量的数学表达式。

  • 交互式图表： Matplotlib 可以嵌入到交互式环境中，如 Jupyter Notebook，支持交互式数据探索和动态更新。

  • 支持多种输出格式： 可以将图表保存为多种格式，如 PNG、PDF、SVG、EPS 等。

  • 对象导向： Matplotlib 的图表是通过对象导向的方式创建的，这意味着用户可以直接操作图表的元素，使得定制化和复杂的图表更加容易。

  • 内置样式和颜色映射： 提供了内置的样式表和颜色映射，使得用户可以轻松地应用一致的风格和颜色。

  • 复杂图表和子图： 支持创建复杂的图表布局和多子图，适用于需要展示多个数据视图的场景。

  • 跨平台： 可以在多个操作系统上运行，包括 Windows、Linux 和 macOS。

1.2 其他介绍

Github(截止当前 18.2K):https://github.com/matplotlib/matplotlib

2. 安装&升级

2.1 安装

# pip方式安装
$ pip install matplotlib

# conda方式安装
$ conda install matplotlib

2.2 升级

# pip方式升级
$ pip install --upgrade matplotlib

# conda方式升级
$ conda update matplotlib

3. 绘图风格

3.1 对象风格

使用面向对象的风格画图，首先要创建画布(大容器)，然后在画布中填充子图信息(小容器)

import matplotlib.pyplot as plt
import numpy as np

if __name__ == '__main__':
    # 设置字体以便正确显示中文
    plt.rcParams['font.sans-serif'] = ['FangSong']
    # 正确显示连字符
    plt.rcParams['axes.unicode_minus'] = False
    # --------------- 创建画布 ---------------
    fig = plt.figure()
    # 设置画布大小
    fig.set_size_inches(7, 5)
    # 设置画布颜色
    fig.set_facecolor('ivory')

    # --------------- 创建子图 ---------------
    # 设置子图位置
    subImg = fig.add_axes([0.1, 0.1, 0.8, 0.8])
    # 设置x、y轴数据
    x = np.linspace(0, 10, 20)
    y1 = np.power(x, 2)
    y2 = x * 10
    
    # 画线
    subImg.plot(x, y1, 'r', ls='-', linewidth=2, label='$x^2$')
    subImg.plot(x, y2, 'b', ls='--', linewidth=2, label='$x*10$')

    # 添加文本标志
    subImg.text(3.4, 7.5, r'$x^2$', fontsize=12)
    subImg.text(1, 7.5, r'$x*10$', fontsize=12)

    # 设置子图标题
    subImg.set_title("子图A标题", fontdict={'size': 16})

    subImg.legend(loc='upper left')  # 生成图例
    # # 设置x、y轴标志
    subImg.set_xlabel('X轴', fontdict={'size': 14})
    subImg.set_ylabel('Y轴', fontdict={'size': 14})
    # 显示图片
    plt.show()

3.2 API风格

除此上文风格，Matplotlib还提供一种类MATLAB风格的API,这种使用方式没有画布和子图的概念，直接调用函数即可绘图和显示。

实现上面的图片效果代码如下:

import matplotlib.pyplot as plt
import numpy as np

if __name__ == '__main__':
    # 设置字体以便正确显示中文
    plt.rcParams['font.sans-serif'] = ['FangSong']
    # 正确显示连字符
    plt.rcParams['axes.unicode_minus'] = False

    # 设置x、y轴数据
    x = np.linspace(0, 10, 20)
    y1 = np.power(x, 2)
    y2 = x * 10

    # 画线
    plt.plot(x, y1, 'r', ls='-', linewidth=2, label='$x^2$')
    plt.plot(x, y2, 'b', ls='--', linewidth=2, label='$x*10$')

    # 添加文本标注
    plt.text(3.4, 7.5, r'$x^2$', fontsize=12)
    plt.text(1, 7.5, r'$x*10$', fontsize=12)
    # 设置子图标题
    plt.title("示例标题", fontdict={'size': 16})
    # 生成图例
    plt.legend(loc='upper left')
    # 设置x、y轴标志
    plt.xlabel('X轴')
    plt.ylabel('Y轴')

    # 显示图片
    plt.show()

4. 快速绘图

4.1 折线图

  • plt.plot() : 主要用于绘制折线图的主要函数之一。
import matplotlib.pyplot as plt
import numpy as np

if __name__ == '__main__':
    # 设置字体以便正确显示中文
    plt.rcParams['font.sans-serif'] = ['FangSong']
    # 正确显示连字符
    plt.rcParams['axes.unicode_minus'] = False

    # 设置x、y轴数据
    x = np.linspace(0, 10, 20)
    y1 = np.power(x, 2)
    y2 = x * 10

    # 图一位置,subplot(1, 2, 1) 代表画布是1行2列，当前图位于第1列
    plt.subplot(1, 2, 1)
    plt.title("图一")
    plt.plot(x, y1)

    # 图一位置,subplot(1, 2, 2) 代表画布是1行2列，当前图位于第2列
    plt.subplot(1, 2, 2)
    plt.title("图二")
    plt.plot(x, y2)
    # 显示图片
    plt.show()

4.2 曲线图

严格来说,plot( )函数绘制的是折线图而非曲线图，因为该函数只是将顺序相邻的点以直线连接,如想画曲线图，推荐使用semilogx( )、semilogy( )和loglog( )等函数。

import matplotlib.pyplot as plt
import numpy as np

# 设置字体以便正确显示中文
plt.rcParams['font.sans-serif'] = ['FangSong']
# 正确显示连字符
plt.rcParams['axes.unicode_minus'] = False

if __name__ == '__main__':
    # 生成示例数据
    x = np.linspace(1, 10, 100)
    y = np.exp(x)

    # 创建画布和子图，1行3列
    fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(15, 5))

    # 使用semilogx()在第一个子图中绘制对数x轴的折线图
    ax1.semilogx(x, y, label='对数x轴折线图')
    ax1.set_title('semilogx() 示例')
    ax1.set_xlabel('对数X轴')
    ax1.set_ylabel('Y轴')
    ax1.legend()

    # 使用semilogy()在第二个子图中绘制对数y轴的折线图
    ax2.semilogy(x, y, label='对数y轴折线图')
    ax2.set_title('semilogy() 示例')
    ax2.set_xlabel('X轴')
    ax2.set_ylabel('对数Y轴')
    ax2.legend()

    # 使用loglog()在第三个子图中绘制对数坐标轴的折线图
    ax3.loglog(x, y, label='对数坐标轴折线图')
    ax3.set_title('loglog() 示例')
    ax3.set_xlabel('对数X轴')
    ax3.set_ylabel('对数Y轴')
    ax3.legend()

    # 调整子图之间的距离
    plt.tight_layout()

    # 显示图表
    plt.show()

4.3 柱状图

  • plot.bar(): 用来绘制垂直柱状图
  • plot.barh(): 用来绘制水平柱状图
import matplotlib.pyplot as plt

# 设置字体以便正确显示中文
plt.rcParams['font.sans-serif'] = ['FangSong']
# 正确显示连字符
plt.rcParams['axes.unicode_minus'] = False

if __name__ == '__main__':
    # 生成示例数据
    names = ['孙悟空', '猪八戒', '唐僧', '沙僧']
    values = [36, 24, 75, 45]
    plt.title("年龄分布图")

    # 创建画布和子图
    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

    # 使用plot.bar()在第一个子图中绘制垂直条形图
    ax1.bar(names, values, color='blue')
    ax1.set_title('垂直条形图示例')
    ax1.set_xlabel('姓名')
    ax1.set_ylabel('年龄')

    # 使用plot.barh()在第二个子图中绘制水平条形图
    ax2.barh(names, values, color='green')
    ax2.set_title('水平条形图示例')
    ax2.set_xlabel('年龄')
    ax2.set_ylabel('姓名')

    # 调整子图之间的距离
    plt.tight_layout()

    # 显示图表
    plt.show()

4.4 散点图

scatter() 函数用于绘制散点图，散点图是一种展示两个变量之间关系的常见图表类型。每个点的位置由两个变量的值决定，横轴表示一个变量，纵轴表示另一个变量。

1. 参数说明

scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None, *, plotnonfinite=False, data=None, **kwargs)
  • x, y： 必需，表示散点图上点的横坐标和纵坐标。
  • s： 用于指定散点的大小。可以是一个标量，表示所有点的大小相同；也可以是一个数组，表示每个点的大小。
  • c： 用于指定散点的颜色。可以是一个标量，表示所有点的颜色相同；也可以是一个数组，表示每个点的颜色。此外，你还可以通过设置 c 参数为字符串值来表示使用预定义的颜色映射。
  • marker： 用于指定散点的标记样式，例如 ‘o’ 表示圆点，’^’ 表示三角形等。
  • cmap： 用于指定颜色映射，仅当 c 参数为数组时起作用。更多颜色参考文档: https://matplotlib.org/stable/users/explain/colors/colormaps.html
  • norm： 用于标准化颜色映射。
  • alpha： 用于指定散点的透明度，取值范围为 0（完全透明）到 1（完全不透明）。
  • linewidths： 用于指定散点边缘的线宽。
  • edgecolors： 用于指定散点边缘的颜色。

2. 代码示例

import matplotlib.pyplot as plt
import numpy as np

# 设置字体以便正确显示中文
plt.rcParams['font.sans-serif'] = ['FangSong']
# 正确显示连字符
plt.rcParams['axes.unicode_minus'] = False

if __name__ == '__main__':
    # 生成示例数据
    x = np.random.randn(50)
    y = np.random.randn(50)
    # 随机数，用于映射颜色
    color = 10 * np.random.rand(50)
    # 随机数表示点的面积
    area = np.square(30 * np.random.rand(50))
    plt.scatter(x, y, label="数据点", c=color, marker="o", s=area, cmap='flag', edgecolor='r')
    # 添加标题和标签
    plt.title("散点图示例")
    plt.xlabel("X轴")
    plt.ylabel("Y轴")
    # 显示图例
    plt.legend()
    # 显示图表
    plt.show()

4.5 饼图

1. 参数说明

pie(
        x, explode=None, labels=None, colors=None, autopct=None,
        pctdistance=0.6, shadow=False, labeldistance=1.1,
        startangle=0, radius=1, counterclock=True, wedgeprops=None,
        textprops=None, center=(0, 0), frame=False,
        rotatelabels=False, *, normalize=True, hatch=None, data=None)
  • x： 必需，表示每个部分的大小，可以是一个数组或一个标量。如果是一个数组，表示每个扇形的大小；如果是一个标量，表示所有扇形的大小相同。
  • explode： 用于指定哪些扇形被拉出。如果某个值大于0，表示对应索引的扇形会被拉出一定的距离。
  • labels： 扇形上显示的标签，可以是一个数组或 None。
  • colors： 扇形的颜色，可以是一个颜色列表，表示每个扇形的颜色；也可以是 None，表示使用默认颜色。
  • autopct： 控制在饼图上显示每个部分的百分比，可以是字符串格式化，例如 ‘%1.1f%%’。
  • pctdistance： 百分比标签与圆心的距离，取值范围为 [0, 1]。
  • shadow： 是否在饼图下方添加阴影。
  • labeldistance： 标签与圆心的距离，取值范围为 [0, 1]。
  • startangle： 饼图起始角度，按逆时针方向计算，0 度表示从正 x 轴开始。
  • radius： 饼图的半径。
  • counterclock： 是否按逆时针方向绘制饼图。
  • wedgeprops： 扇形的属性字典，用于设置扇形的样式，例如边界颜色、边界宽度等。
  • textprops： 标签的属性字典，用于设置标签的样式，例如字体大小、颜色等。
  • center： 饼图的中心坐标。
  • frame： 是否绘制一个带有刻度标签的坐标轴框架。
  • rotatelabels： 是否旋转标签。
  • normalize： 如果为 True，则将 x 归一化为百分比。

2.代码示例

import matplotlib.pyplot as plt

# 设置字体以便正确显示中文
plt.rcParams["font.sans-serif"] = ["FangSong"]
# 正确显示连字符
plt.rcParams["axes.unicode_minus"] = False

if __name__ == '__main__':
    # 示例数据
    labels = ['Go', 'PHP', 'C', 'Java', 'Python']
    sizes = [15, 5, 19.5, 20, 40.5]
    # 哪个闪现
    explode = (0, 0.1, 0, 0, 0)
    # 使用pie()绘制饼状图
    plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90, explode=explode,
            colors=['gold', 'lightskyblue', 'lightcoral', 'lightgreen', 'purple'])

    # 添加标题
    plt.title('后端编程语言占比')

    # 显示图表
    plt.show()

4.6 等值线图

import matplotlib.pyplot as plt
import numpy as np

# 设置字体以便正确显示中文
plt.rcParams["font.sans-serif"] = ["FangSong"]
# 正确显示连字符
plt.rcParams["axes.unicode_minus"] = False

if __name__ == '__main__':
    # 创建示例数据
    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))

    # 创建画布和子图
    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

    # ------------------------------ 图A-contour-填充示例 ----------------------------------
    contour_plot = ax1.contour(X, Y, Z, levels=20, cmap='viridis')
    fig.colorbar(contour_plot, label='Z值')
    ax1.set_title('等值线图示例')
    ax1.set_xlabel('X轴')
    ax1.set_ylabel('Y轴')

    # ------------------------------ 图B-contourf-填充示例 ----------------------------------
    contour_plot = ax2.contourf(X, Y, Z, levels=20, cmap='viridis')
    fig.colorbar(contour_plot, label='Z值')
    ax2.set_title('等值线图(填充)')
    ax2.set_xlabel('X轴')
    ax2.set_ylabel('Y轴')

    # 显示图表
    plt.show()

4.7 矢量合成图

矢量合成图以箭头的形式绘制矢量，因此也被称为箭头图。矢量合成图以箭头的方向表示矢量的方向。

import matplotlib.pyplot as plt
import numpy as np

# 设置字体以便正确显示中文
plt.rcParams["font.sans-serif"] = ["FangSong"]
# 正确显示连字符
plt.rcParams["axes.unicode_minus"] = False

if __name__ == '__main__':
    # 创建两个矢量
    vector1 = np.array([3, 2])
    vector2 = np.array([-1, 4])

    # 计算矢量合成结果
    resultant_vector = vector1 + vector2

    # 创建图表和子图
    fig, ax = plt.subplots()

    # 绘制矢量1
    ax.arrow(0, 0, vector1[0], vector1[1], head_width=0.2, head_length=0.2, fc='blue', ec='blue', label='矢量1')

    # 绘制矢量2
    ax.arrow(0, 0, vector2[0], vector2[1], head_width=0.2, head_length=0.2, fc='red', ec='red', label='矢量2')

    # 绘制矢量合成结果
    ax.arrow(0, 0, resultant_vector[0], resultant_vector[1], head_width=0.2, head_length=0.2, fc='green', ec='green',
             label='结果')

    # 设置坐标轴
    ax.set_xlim(-2, 5)
    ax.set_ylim(-1, 8)

    # 添加网格
    ax.grid(True)
    # 添加标签和标题
    ax.set_xlabel('X轴')
    ax.set_ylabel('Y轴')
    ax.set_title('矢量图示例')

    # 添加图例
    ax.legend()

    # 显示图表
    plt.show()