Python库---Matplotlib

一、前言

        Matplotlib是Python中最流行的数据可视化库之一，为科学计算、数据分析和机器学习领域提供了强大的绘图工具。无论是简单的折线图，还是复杂的三维可视化，Matplotlib都能轻松胜任。在本篇博客中，我们将深入探讨Matplotlib的各个方面，带你领略其强大的功能和灵活性。一起来探索它的魅力吧！！！ 

二、matplotlib.pyplot绘图相关的对象

    1、容器类：图（figure）、坐标系（axes）、坐标轴（axis）、刻度（tick）
    2、刻度：线（line）、点（marker）、文本（text）、图例（legend）、网络（grid）、标题（title）

三、绘图的类型

1、线形图：plot（）
2、直方图：hist（）
3、条形图：bar（）
4、饼图：pie（）
5、散点图：scatter（）
6、3D图：from mpl_toolkits.mplt3d import Axes3D
7、动态交互图：pyecharts

四、安装和配置

安装Matplotlib非常简单，可以使用以下命令：（更多第三方库的安装可参考本up主之前的文章Python---Pycharm安装各种库（第三方库）_pycharm库-CSDN博客）

pip install matplotlib

确保你的环境中也安装了NumPy等Matplotlib可能依赖的库。在Jupyter Notebook中使用Matplotlib时，可以添加 `%matplotlib inline` 来使图形直接嵌入到Notebook中。

五、基本绘图

Matplotlib可以轻松创建基本的图形。以下是一些简单的例子：

5.1、  折线图

import matplotlib.pyplot as plt
# 创建折线图
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y)
plt.show()

5.2、   自定义图形

plt.plot(x, y, linestyle='--', color='red', marker='o', label='Line 1')
plt.xlabel('X轴标签')
plt.ylabel('Y轴标签')
plt.title('自定义折线图')
plt.legend()
plt.show()

！！！上图异常分析！！！

pyplot默认不支持中文显示，可以通过两个方法进行修改：

1.使用 'rcParams['font.family']属性修改字体。

2.在需要显示中文的地方增加一个fontproperties属性，此时只修饰部分地方，其他地方的字体不会跟着改变。

5.3、  饼图

labels = ['A', 'B', 'C', 'D']
sizes = [25, 30, 20, 25]

plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90)
plt.axis('equal')  # 使饼图保持圆形
plt.title('简单饼图示例')
plt.show()

5.4、  3D绘图

from mpl_toolkits.mplot3d import Axes3D
import numpy as np

# 创建3D曲面图
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

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))

ax.plot_surface(X, Y, Z, cmap='viridis')

plt.title('3D曲面图')
plt.show()

 5.4、  多区域绘图

#多区域绘图
def f(t):
    return np.exp(-t)*np.cos(2*np.pi*t)
a =np.arange(0,5,0.02)
plt.subplot(322)
plt.plot(a,f(a))
plt.subplot(323)
plt.plot(a,np.cos(2*np.pi*a),'r-.')

六、图形的导出

        Matplotlib允许将图形保存为多种格式，包括PNG、PDF和SVG。以下是一个保存图形的示例：

plt.savefig('my_plot.png', format='png', dpi=300)

七、结语

         Matplotlib是一个强大的工具，能够满足各种可视化需求，无论是初学者还是经验丰富的数据科学家都值得深入研究。

官方参考文档：Matplotlib documentation — Matplotlib 3.8.2 documentation