Matplotlib：Python数据可视化的全面指南_python matplotlib显示y值

最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~

给大家准备的学习资料包括但不限于：

Python 环境、pycharm编辑器/永久激活/翻译插件

python 零基础视频教程

Python 界面开发实战教程

Python 爬虫实战教程

Python 数据分析实战教程

python 游戏开发实战教程

Python 电子书100本

Python 学习路线规划

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

在深入了解Matplotlib之前，我们需要确保已正确安装它。我们可以使用pip包管理器通过在终端或命令提示符中执行以下命令来安装Matplotlib：

pip install matplotlib

安装完成后，我们可以将Matplotlib导入到Python脚本中，并开始创建可视化。

2. 开始使用Matplotlib

为了演示Matplotlib的基本用法，让我们创建一个简单的折线图。考虑以下示例：

import matplotlib.pyplot as plt

# 定义x和y坐标
x = [1, 2, 3, 4, 5]
y = [2, 4, 5, 6, 8]

# 创建一个折线图
plt.plot(x, y)

# 添加标题和轴标签
plt.title('我的折线图')
plt.xlabel('x')
plt.ylabel('y')

# 显示图形
plt.show()

在上面的代码中，我们首先从Matplotlib库中导入pyplot模块，并将其命名为plt。我们将x和y坐标定义为列表。然后，我们使用plot函数通过将x和y坐标作为参数来创建折线图。最后，我们使用title、xlabel和ylabel函数添加标题和轴标签。show函数用于显示图形。

3. 自定义图形

Matplotlib提供了许多自定义选项，用于创建视觉吸引力强且信息丰富的图形。让我们探索一些常见的自定义技术。

3.1. 线条样式和颜色

我们可以通过向plot函数指定额外的参数来修改图形的线条样式和颜色。例如，考虑以下代码：

# 创建一个用虚线表示的红色线条的折线图
plt.plot(x, y, linestyle='--', color='red')

在上面的代码中，我们传递linestyle='--'来创建一个虚线，传递color='red'来将线条的颜色设置为红色。Matplotlib支持各种线条样式，包括实线、虚线、点线等。同样，我们可以选择各种颜色，或使用标准的颜色名称或代码。

3.2. 标记样式

标记用于突出显示图形中的单个数据点。Matplotlib提供了各种标记样式，如圆圈、正方形、三角形等。我们可以通过将marker参数传递给plot函数来自定义标记样式。下面是一个示例：

# 创建一个带有圆形标记的折线图
plt.plot(x, y, marker='o')

在上面的代码中，我们传递marker='o'来在每个数据点处创建圆形标记。

3.3. 添加网格线

网格线有助于改善图形的可读性。我们可以使用grid函数向图形添加网格线。以下是示例：

# 向图形添加网格线
plt.grid(True)

在上面的代码中，我们简单地调用grid函数，并将参数设置为True以启用网格线。

4. 多个图形和子图

Matplotlib允许我们在一个图形中创建多个图形，或者使用子图在网格状结构中排列图形。

4.1. 多个图形

要创建多个图形，我们可以在显示图形之前多次调用plot函数。以下是一个示例：

# 在单个图形中创建两个折线图
plt.plot(x, y)
plt.plot(x, [4, 5, 3, 7, 2])

# 显示图形
plt.show()

在上面的代码中，我们调用plot函数两次来创建两个折线图。两个图形将显示在同一个图形中。

4.2. 子图

子图允许我们在网格状结构中排列多个图形。我们可以使用subplot函数创建子图，并指定行数、列数和当前子图的索引。考虑以下示例：

# 创建一个2x2的子图网格
plt.subplot(2, 2, 1)
plt.plot(x, y)

plt.subplot(2, 2, 2)
plt.plot(x, [4, 5, 3, 7, 2])

plt.subplot(2, 2, 3)
plt.plot(x, [3, 2, 6, 8, 1])

plt.subplot(2, 2, 4)
plt.plot(x, [7, 2, 9, 4, 5])

# 显示子图
plt.show()

在上面的代码中，我们使用subplot函数创建一个2x2的子图网格。我们指定行数、列数和网格中每个子图的索引。然后，我们在每个子图中创建单独的图形。

5. 其他类型的图形

除了折线图，Matplotlib还支持各种其他类型的图形，包括散点图、条形图、饼图和直方图。让我们探索其中一些图形类型。

5.1. 散点图

散点图用于可视化两个连续变量之间的关系。我们可以使用scatter函数创建散点图。以下是一个示例：

# 创建一个散点图
plt.scatter(x, y)

# 显示图形


![在这里插入图片描述](https://img-blog.csdnimg.cn/20210511152217670.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poaWd1aWd1,size_16,color_FFFFFF,t_70)

**感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：**



①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）




**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化学习资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618317507)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**