【Python】Matplotlib-强大且广泛使用的数据可视化库

Matplotlib 是 Python 中最强大且广泛使用的数据可视化库，支持从基础图表到复杂科学绘图的各类需求。以下是一份结构清晰、内容全面的介绍，涵盖核心概念、功能、代码示例及高级技巧。

---

前言

安装 Matplotlib

pip install matplotlib
# 或使用 Conda
conda install matplotlib

导入模块

import matplotlib.pyplot as plt
import numpy as np  # 通常结合 NumPy 生成数据

---

1. Matplotlib 核心概念

1.1 对象层次结构

• Figure（画布）：整个图表的容器，可包含多个子图（Axes）。
• Axes（子图/坐标系）：单个子图的绘制区域，包含坐标轴、标签、标题等。
• Axis（坐标轴）：控制坐标轴的刻度、标签和范围。
• Artist（元素）：所有可见元素（如线条、文本、形状）的基类。

1.2 两种绘图接口

• pyplot 模块（面向脚本的快捷接口）：

  import matplotlib.pyplot as plt
  plt.plot(x, y)
  plt.show()
  

• 面向对象接口（适合复杂绘图）：

  fig, ax = plt.subplots()
  ax.plot(x, y)
  fig.show()
  

---

2. 基础图表类型与代码示例

2.1 折线图（Line Plot）

import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

fig, ax = plt.subplots(figsize=(8, 4))
ax.plot(x, y, 
        color='red', 
        linestyle='--', 
        linewidth=2, 
        marker='o', 
        markersize=5,
        label='sin(x)')
ax.set_xlabel("X轴", fontsize=12)
ax.set_ylabel("Y轴", fontsize=12)
ax.set_title("正弦函数", fontsize=14)
ax.legend()
ax.grid(True, linestyle=':')
plt.show()

2.2 散点图（Scatter Plot）

x = np.random.randn(100)
y = x + np.random.randn(100) * 0.5

fig, ax = plt.subplots()
sc = ax.scatter(x, y, 
                c=np.arctan2(y, x),  # 颜色映射
                s=50,                # 点大小
                cmap='viridis', 
                alpha=0.7,           # 透明度
                edgecolors='black')
fig.colorbar(sc, label='角度值')      # 添加颜色条
ax.set_title("带颜色映射的散点图")
plt.show()

2.3 柱状图（Bar Chart）

categories = ['A', 'B', 'C', 'D']
values = [25, 37, 29, 42]

fig, ax = plt.subplots()
bars = ax.bar(categories, values, 
              color=['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728'],
              edgecolor='black',
              width=0.6)

# 在柱顶添加数值标签
for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2., height,
            f'{height}', 
            ha='center', va='bottom')

ax.set_ylim(0, 50)
ax.set_title("分类柱状图")
plt.show()

2.4 直方图（Histogram）

data = np.random.randn(1000)

fig, ax = plt.subplots()
ax.hist(data, 
        bins=30, 
        density=True,      # 归一化为概率密度
        color='skyblue', 
        edgecolor='black',
        alpha=0.7)
ax.set_title("正态分布数据直方图")
ax.set_xlabel("值")
ax.set_ylabel("频率")
plt.show()

2.5 饼图（Pie Chart）

labels = ['苹果', '香蕉', '橙子', '葡萄']
sizes = [30, 25, 20, 25]
explode = (0.1, 0, 0, 0)  # 突出显示"苹果"

fig, ax = plt.subplots()
ax.pie(sizes, 
       explode=explode, 
       labels=labels, 
       autopct='%1.1f%%',
       startangle=90,
       shadow=True,        # 添加阴影
       colors=['gold', 'lightcoral', 'lightskyblue', 'lightgreen'])
ax.axis('equal')  # 保证饼图为正圆
ax.set_title("水果占比")
plt.show()

---

3. 高级功能

3.1 多子图布局

fig, axes = plt.subplots(2, 2, figsize=(10, 8))  # 2行2列

# 子图1: 折线图
axes[0, 0].plot(x, np.sin(x), color='green')
axes[0, 0].set_title("子图1")

# 子图2: 散点图
axes[0, 1].scatter(x, y, color='purple')
axes[0, 1].set_title("子图2")

# 子图3: 水平柱状图
axes[1, 0].barh(categories, values, color='orange')

# 子图4: 箱线图
axes[1, 1].boxplot([np.random.randn(100), np.random.randn(100) + 1])

plt.tight_layout()  # 自动调整子图间距
plt.show()

3.2 3D 绘图

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111, projection='3d')

# 生成数据
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))

# 绘制3D曲面
surf = ax.plot_surface(X, Y, Z, 
                       cmap='viridis',
                       edgecolor='none',
                       antialiased=True)
fig.colorbar(surf, shrink=0.5, aspect=5)
ax.set_title("3D 曲面图")
plt.show()

3.3 动画

from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()
x = np.linspace(0, 2*np.pi, 100)
line, = ax.plot(x, np.sin(x))

def animate(frame):
    line.set_ydata(np.sin(x + frame/10))  # 更新数据
    return line,

ani = FuncAnimation(fig, animate, frames=100, interval=50)
plt.show()

---

4. 深度定制与优化

4.1 样式配置

• 预定义样式：

  plt.style.use('ggplot')  # 可选样式：'seaborn', 'dark_background'等
  

• 自定义全局参数（rcParams）：

  plt.rcParams.update({
      'font.size': 12,
      'axes.titlesize': 14,
      'axes.labelsize': 12,
      'xtick.labelsize': 10,
      'ytick.labelsize': 10,
      'figure.figsize': (8, 6),
      'font.family': 'SimHei'  # 解决中文显示
  })
  

4.2 复杂元素添加

• 注释与箭头：

  ax.annotate('最大值', 
              xy=(np.pi/2, 1), 
              xytext=(np.pi/2 + 1, 0.8),
              arrowprops=dict(facecolor='black', shrink=0.05))
  

• 数学公式：

  ax.set_title(r'$\frac{\sin(x)}{x}$ 函数')  # LaTeX 语法
  

4.3 坐标轴高级控制

ax.set_xlim(0, 2*np.pi)          # 设置范围
ax.set_xticks([0, np.pi, 2*np.pi])  # 自定义刻度
ax.set_xticklabels(['0', 'π', '2π'])  # 标签替换
ax.xaxis.set_ticks_position('top')  # 刻度位置
ax.yaxis.grid(True, linestyle='--') # Y轴网格

---

5. 性能优化技巧

1. 避免重复绘制：重用 Figure 和 Axes 对象。
2. 使用 agg 后端（无GUI渲染）：

   import matplotlib
   matplotlib.use('Agg')  # 在导入 pyplot 前设置
   

3. 简化元素：关闭自动缩放（ax.set_autoscale_on(False)）、减少刻度数量。
4. 大数据优化：对于超过 10^5 数据点，使用 np.histogram 预处理后绘图。

---

6. 与其他库的集成

6.1 Pandas 集成

import pandas as pd
df = pd.read_csv('data.csv')
df.plot(kind='scatter', x='col1', y='col2', c='col3', cmap='viridis')
plt.show()

6.2 Seaborn 结合

import seaborn as sns
sns.set_theme()
tips = sns.load_dataset("tips")
sns.boxplot(x="day", y="total_bill", data=tips)
plt.title("Seaborn 箱线图")
plt.show()

---

7. 常见问题解决

• 中文显示乱码：

  plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows
  plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # Mac
  plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示
  

• 保存图片不完整：

  plt.savefig('plot.png', bbox_inches='tight', dpi=300)
  

• 多子图重叠：使用 plt.tight_layout() 或调整 subplots_adjust 参数。

---

8. 扩展库推荐

库名	用途
Seaborn	统计图表增强
Plotly	交互式网页可视化
Bokeh	动态可视化及大屏展示
Cartopy	地理空间数据可视化
Mayavi	高性能 3D 科学数据可视化

---

9. 学习资源

• 官方文档：Matplotlib Documentation
• 书籍推荐：《Python数据可视化之美》《Matplotlib for Python Developers》
• Cheat Sheet：Matplotlib Cheat Sheet

---

灵活组合 Matplotlib 的功能，实现从简单的二维图表到复杂的交互式可视化。