Matplotlib：Matplotlib常见图形详解及实用示例

在数据可视化中，Matplotlib 提供了多种图形类型来满足不同的数据展示需求。本文将详细介绍六种常见的图形类型：折线图、柱状图、散点图、饼图、直方图和箱线图。我们将探讨每种图形的用途、用法、常见参数，并通过实用示例进行演示。

思维导图总结

将该部分内容总结为思维导图，如果需要高清PDF版，公众号‘零基础AI学习笔记’回复“888”，内容会持续更新。

---

一、折线图

1.1 用途

折线图用于展示数据随时间或其他连续变量的变化趋势。

1.2 用法

使用 ax.plot() 函数绘制折线图。

1.3 常见参数

参数名	用途	类型	示例
color	设置折线颜色	颜色值	color='red'
linestyle	设置折线线型	字符串	linestyle='--'
linewidth	设置折线宽度	浮点数	linewidth=2
marker	设置折线上的标记	字符串	marker='o'
alpha	设置折线透明度	浮点数	alpha=0.8
label	设置折线标签	字符串	label='折线图'

1.4 实用示例

import matplotlib.pyplot as plt
fig, ax = plt.subplots(figsize=(12, 8))
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
ax.plot(x, y, color='red', linestyle='--', linewidth=2, marker='o', alpha=0.8, label='line chart')
ax.set_title('Line Chart')
ax.set_xlabel('X-axis label')
ax.set_ylabel('Y-axis label')
ax.legend()
plt.show()

二、柱状图

2.1 用途

柱状图用于比较不同类别的数据大小。

2.2 用法

使用 ax.bar() 函数绘制柱状图。

2.3 常见参数

参数名	用途	类型	示例
color	设置柱状图颜色	颜色值	color='blue'
edgecolor	设置柱状图边缘颜色	颜色值	edgecolor='black'
linewidth	设置柱状图边缘宽度	浮点数	linewidth=1
alpha	设置柱状图透明度	浮点数	alpha=0.8
label	设置柱状图标签	字符串	label='柱状图'

2.4 实用示例

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(12, 8))
x = ['A', 'B', 'C', 'D', 'E']
y = [2, 3, 5, 7, 11]
ax.bar(x, y, color='blue', edgecolor='black', linewidth=1, alpha=0.8, label='Bar chart')
ax.set_title('Bar chart')
ax.set_xlabel('X-axis Label')
ax.set_ylabel('Y-axis label')
ax.legend()
plt.show()

三、散点图

3.1 用途

散点图用于展示两个变量之间的关系。

3.2 用法

使用 ax.scatter() 函数绘制散点图。

3.3 常见参数

参数名	用途	类型	示例
color	设置散点颜色	颜色值	color='green'
marker	设置散点标记	字符串	marker='s'
s	设置散点大小	浮点数	s=50
alpha	设置散点透明度	浮点数	alpha=0.8
label	设置散点标签	字符串	label='散点图'

3.4 实用示例

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(12, 8))
x = np.random.randn(100)
y = np.random.randn(100)
c = np.random.randn(100)  # 用于颜色映射的数据

scatter = ax.scatter(x, y, c=c, cmap='viridis', s=50, alpha=0.8, edgecolor='black', label='scatter chart')
ax.set_title('scatter chart')
ax.set_xlabel('X-axis Label')
ax.set_ylabel('Y-axis Label')
ax.legend()
plt.colorbar(scatter)  # 显示颜色条
plt.show()

四、饼图

4.1 用途

饼图用于展示各部分占整体的比例关系。

4.2 用法

使用 ax.pie() 函数绘制饼图。

4.3 常见参数

参数名	用途	类型	示例
colors	设置饼图各部分的颜色	颜色值列表	colors=['red', 'blue', 'green']
explode	设置饼图各部分的分离距离	浮点数列表	explode=[0.1, 0, 0]
labels	设置饼图各部分的标签	字符串列表	labels=['A', 'B', 'C']
autopct	设置饼图各部分的百分比显示格式	字符串格式	autopct='%1.1f%%'
startangle	设置饼图的起始角度	浮点数	startangle=90
shadow	设置饼图是否有阴影	布尔值	shadow=True

4.4 实用示例

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(12, 8))
sizes = [25, 35, 40]
labels = ['A', 'B', 'C']
colors = ['red', 'blue', 'green']
explode = [0.1, 0, 0]
ax.pie(sizes, labels=labels, colors=colors, explode=explode, autopct='%1.1f%%', startangle=90, shadow=True)
ax.set_title('Pie chart')
plt.show()

五、箱线图

5.1 用途

箱线图用于展示数据的分布情况，包括中位数、四分位数、异常值等。

5.2 用法

使用 ax.boxplot() 函数绘制箱线图。

5.3 常见参数

参数名	用途	类型	示例
vert	设置箱线图是否垂直	布尔值	vert=False
patch_artist	设置是否使用填充样式	布尔值	patch_artist=True
showmeans	设置是否显示均值	布尔值	showmeans=True
showcaps	设置是否显示箱线图的端点	布尔值	showcaps=True
showbox	设置是否显示箱线图的箱体	布尔值	showbox=True
showfliers	设置是否显示异常值	布尔值	showfliers=True
medianprops	控制箱体中位数的外观样式	字典	medianprops=dict(color='red')
whiskerprops	控制箱体须的外观样式	字典	whiskerprops=dict(color='blue')

5.4 实用示例

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(12, 8))
data = np.random.randn(100)
ax.boxplot(data, vert=False, patch_artist=True, showmeans=True, showcaps=True, showbox=True, showfliers=True, medianprops=dict(color='red'), whiskerprops=dict(color='blue'))
ax.set_title('Box Plot')
plt.show()

六、直方图

6.1 用途

直方图用于展示数据的分布情况，包括数据的频数分布。

6.2 用法

使用 ax.hist() 函数绘制直方图。

6.3 常见参数

参数名	用途	类型	示例
color	设置直方图的颜色	颜色值	color='purple'
bins	设置直方图的区间数量	整数或列表	bins=10
density	设置直方图是否归一化	布尔值	density=True
edgecolor	设置直方图边缘颜色	颜色值	edgecolor='black'
alpha	设置直方图透明度	浮点数	alpha=0.7

6.4 实用示例

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(12, 8))
data = np.random.randn(1000)

ax.hist(data, bins=20, color='purple', edgecolor='black', alpha=0.7, orientation='vertical', density=True, cumulative=False)
ax.set_title('Histogram')
ax.set_xlabel('X-axis Label')
ax.set_ylabel('Y-axis Label')
plt.show()

任何疑问、批评、指导，请毫不犹豫地私信作者！