Python Matplotlib 实现基础绘图

1、Matplotlib 的三层结构

Matplotlib 是一个用于在 Python 中创建二维图表的库。为了更好地理解和使用 Matplotlib，重要的是要了解其三层结构：容器层（Container Layer）、辅助显示层（Helper Layer）和图像层（Artist Layer）。这些层级构成了 Matplotlib 的绘图体系结构。

1）容器层（Container Layer）

组件	描述
FigureCanvas	最底层的容器，代表了绘图的整个窗口或页面。它是一个用于绘制和渲染所有图表元素的物理或概念性的画布。
Figure	代表了绘图窗口的顶层容器。一个 Figure 可以包含多个 Axes 对象。
Axes	是一个包含图表大部分元素的容器，如线条、标记、文字、标签等，通常与“坐标轴”相关联。一个 Axes 对象代表了图表的一个绘图区域。

2） 辅助显示层（Helper Layer）

辅助显示层是对容器层的补充，提供了一系列方便的方法来创建常见的图表（如直方图、折线图等），并处理诸如刻度定位、布局和颜色映射等常见情况。

组件	描述
pyplot 模块	是 Matplotlib 的辅助显示层，提供了一组命令式函数来快速生成简单图表。例如，plt.plot()、plt.xlabel()、plt.ylabel()等。
Axis 和 Tick 对象	Axis 对象处理刻度线、网格线、标签等，而 Tick 对象是 Axis 的组件，用于处理刻度线和刻度标签。

3）图像层（Artist Layer）

图像层是 Matplotlib 的核心层，包含了用于绘制图表的所有对象（称为艺术家对象，或简称“艺术家”）。

组件	描述
Artist	包括 Text（文本），Line2D（线条），Rectangle（矩形，用于绘制柱状图）、AxesImage（图像）等。这些对象知道如何使用渲染器在画布上绘制自己。
Renderer	负责在 FigureCanvas 上绘制 Artist。用户通常不直接与渲染器交互，而是通过艺术家对象的方法间接进行。

2、使用画布（Figure）

Matplotlib 中，画布是指整个图形界面或图形的总体背景，通常在绘图之前设置。在 Matplotlib 中，画布由 Figure 对象表示。可以通过调整 Figure 对象的属性来自定义画布的大小、分辨率和边框等。plt.figure() 函数用于创建新的图形窗口，并提供了许多用于自定义这些图形窗口的参数。常用参数如下，

参数	描述
figsize	图形的大小，以英寸为单位，传递一个元组（宽度，高度）。
dpi	图形的分辨率，以每英寸点数（dots per inch）表示。
facecolor	图形的背景颜色。
edgecolor	图形边框的颜色。
frameon	布尔值，用于控制是否绘制图形边框。
num	图形的编号或名称。如果编号已存在，则使用已存在的图形。
tight_layout	布尔值或字典。如果为 True，则使用 tight layout 调整子图布局以适应图形区域。

使用示例：Python Matplotlib 实现基础绘图-CJavaPy

3、绘制折线图

折线图是最基本的图表类型，通常用于显示随时间变化的数据。plt.plot() 函数是用于创建线图的基本工具。常用参数如下，

参数	描述
x	线图中点的 x 坐标。
y	线图中点的 y 坐标。
color	线条的颜色，可为颜色代码或颜色名称。
linestyle	线条的样式，例如 '-', '--', '-.', ':' 等。
linewidth	线条的宽度。
marker	数据点的标记样式，例如 'o', '*', '+' 等。
markersize	标记的大小。
label	用于图例的标签。
alpha	线条的透明度，范围 0（透明）至 1（不透明）。

使用示例：

import matplotlib.pyplot as plt

# 示例数据
x = range(1, 6)
y = [1, 4, 6, 8, 4]

# 创建线图
plt.plot(x, y, color='green', linestyle='--', linewidth=2, marker='o', markersize=10, label='Data Line', alpha=0.7)

# 添加图例
plt.legend()

# 添加标题和轴标签
plt.title('Line Plot Example')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图表
plt.show()

4、 绘制散点图

散点图通常用于显示两个变量之间的关系。plt.scatter() 函数用于创建散点图，是数据可视化中常用的一个工具。常用参数如下，

参数	描述
x	散点的 x 坐标。
y	散点的 y 坐标。
s	散点的大小，可以是单个数值或与数据点数量相等的数组。
c	散点的颜色，可以是单个颜色格式的字符串或一系列颜色。
marker	标记的样式，默认为 'o'。
alpha	散点的透明度，介于 0（完全透明）和 1（完全不透明）之间。
linewidths	标记边缘的线宽。
edgecolors	标记边缘的颜色。
label	用于图例的标签。

使用示例：

import matplotlib.pyplot as plt

# 示例数据
x = [5, 7, 8, 7, 2, 17, 2, 9, 4, 11, 12, 9, 6]
y = [99, 86, 87, 88, 100, 86, 103, 87, 94, 78, 77, 85, 86]
sizes = [210, 410, 312, 214, 415, 312, 213, 210, 410, 312, 214, 415, 312]
colors = ['red', 'green', 'blue', 'yellow', 'pink', 'black', 'orange', 'purple', 'beige', 'brown', 'gray', 'cyan', 'magenta']

# 创建散点图
plt.scatter(x, y, s=sizes, c=colors, marker='o', alpha=0.5, linewidths=2, edgecolors='w', label='Data Points')

# 添加图例
plt.legend()

# 添加标题和轴标签
plt.title('Custom Scatter Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图表
plt.show()

5、 绘制条形图

条形图用于比较不同类别的数据。Matplotlib 库中，plt.bar() 函数是用于创建条形图的常用函数。

常用参数如下，

参数	描述
x	条形的 x 坐标。
height	条形的高度。
width	条形的宽度，默认值为 0.8。
bottom	条形的起始位置 y 坐标，默认为 None。
align	条形的对齐方式，'center' 或 'edge'，默认为 'center'。
color	条形的颜色。
edgecolor	条形边缘的颜色。
linewidth	条形边缘的线宽。
tick_label	用作条形标签的标签序列。
label	用于为条形图添加图例的标签。

使用示例：

import matplotlib.pyplot as plt

# 示例数据
categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [10, 15, 7, 12]

# 创建条形图
plt.bar(x=categories,          # x 坐标
        height=values,         # 条形的高度
        width=0.6,             # 条形的宽度
        bottom=0,              # 条形的起始位置 y 坐标
        align='center',        # 条形的对齐方式
        color='blue',          # 条形的颜色
        edgecolor='black',     # 条形边缘的颜色
        linewidth=1,           # 条形边缘的线宽
        tick_label=categories, # 条形标签
        label='Value')         # 图例标签

# 添加 x 轴和 y 轴标签
plt.xlabel('Categories')
plt.ylabel('Values')

# 添加图表标题
plt.title('Bar Chart Example')

# 显示图例
plt.legend()

# 显示图表
plt.show()

6、添加额外元素

可以添加更多元素来改进图表，例如图例、网格线和不同的样式。

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制基础图形
plt.figure(figsize=(10, 6))
plt.plot(x, y, label='sin(x)')

# 添加标题和标签
plt.title("Simple Plot of sin(x)")  # 添加标题
plt.xlabel("x")  # x轴标签
plt.ylabel("sin(x)")  # y轴标签

# 添加图例
plt.legend()

# 添加网格
plt.grid(True)

# 添加注释
plt.annotate('Local Max', xy=(1.57, 1), xytext=(2, 1.5),
             arrowprops=dict(facecolor='black', shrink=0.05))
             
# 使用 plt.draw() 显示画布
plt.draw()
# 显示图形
plt.show()

7、保存图形

Matplotlib 中，保存图形到文件是一个简单的过程。可以使用 savefig() 方法来保存图形。常用参数如下，

参数	描述
fname	输出文件的名称。字符串、类路径对象或类二进制对象。必备参数。
format	输出格式。字符串，支持的格式为eps, jpeg, jpg, pdf, pgf, png, ps, raw, rgba, svg, svgz, tif, tiff。默认值为None。
dpi	输出图像的分辨率（每英寸的像素点数）。浮点数或'figure'，如果值为'figure'，输出使用图形的分辨率，默认值为rcParams["savefig.dpi"]（默认为'figure'）。
quality	jpg文件输出的质量，仅对'jpg'或'jpeg'文件生效。整数，建议取值范围为[1-95]，值超过100将会禁用jpeg压缩算法，可能会导致文件过大。默认值为rcParams["savefig.jpeg_quality"]（默认值为95）。
facecolor	图像的背景色。颜色值或'auto'，值为'auto'时，使用当前图形的背景色。默认值为rcParams["savefig.facecolor"]（即'auto'）。
edgecolor	图像边缘颜色。颜色值或'auto'，值为'auto'时，使用当前图形边缘颜色。默认值为rcParams["savefig.edgecolor"]（即'auto'）。
orientation	postscript后端参数。取值范围为{'landscape', 'portrait'}。默认值为'portrait'。
papertype	纸张大小，仅支持postscript输出。取值范围为{'letter', 'legal', 'executive', 'ledger', 'a0' - 'a10', 'b0' - 'b10'}。默认值为None。
backend	使用非默认后端渲染文件。字符串。可选参数。默认值为None。
metadata	用于存储图像元数据的键值对。字典，取值依赖于输出图像格式和后端。可选参数。默认值为None。
pil_kwargs	保存图像是传递给PIL.Image.Image.save的参数。字典。可选参数。

使用示例：Python Matplotlib 实现基础绘图-CJavaPy

​

以上就是“Python Matplotlib 实现基础绘图”的全部内容，希望对你有所帮助。
​
​关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、Python练习题

检查学习结果。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

最后祝大家天天进步！！

上面这份完整版的Python全套学习资料已经上传至CSDN官方，朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。