【Python】matplotlib：Python可视化库，补充：报错处理（安装超时，numpy/pandas/matplotlib版本匹配问题，scipy安装报错）

Matplotlib是Python中最基础的可视化模块，主要用于绘制二维平面图。其它可视化库有些是基于matplotlib，例如：seaborn库就是基于matplotlib专用于统计数据可视化。

Matplotlib官网：Matplotlib — Visualization with Python

Matplotlib是第三方库，需要安装：pip install matplotlib

导入Matplotlib库：import matplotlib.pyplot as plt

---

基本概念

figure（画布），axes（坐标系），axis（坐标轴）

注：一个figure（画布），可以有一个axes也可以有多个axes，一个axes只能画一个图。

即一个画布，可以有一个图，也可以有多个子图。

创建Figure（figure对象）有两种方式

1. 隐式创建Figure：绘制一个简单图时，例如 plt.xxx(...)，系统会检测是否有Figure，若没有则自动创建一个Figure，并在该Figure上自动创建Axes（默认一个Figure一个Axes）。【缺陷：无法绘制多个图，无法设置画布】
2. 显式创建Figure：plt.figure( )，创建一个空Figure。【适用：设置画布，绘制多个图】

plt.figure(num: 'int | str | Figure | SubFigure | None' = None, figsize: 'tuple[float, float] | None' = None, dpi: 'float | None' = None, *, facecolor: 'ColorType | None' = None, edgecolor: 'ColorType | None' = None, frameon: 'bool' = True, FigureClass: 'type[Figure]' = <class 'matplotlib.figure.Figure'>, clear: 'bool' = False, **kwargs) -> 'Figure'

参数：num编号或名称，figsize尺寸大小，dpi分辨率，facecolor背景色，edgecolor边界颜色，frameon是否显示边框，clear是否清除已存在的画布。

创建Figure

隐式创建Figure	plt.plot(...)，plt.subplot(...)等
显式创建Figure	plt.figure( )

创建Axes（axes对象）的方式

1. Figure.add_subplot(...)：一次只能添加一个Axes。若在一个Figure添加多个Axes可多次添加。
2. plt.subplot(...)：结果同Figure.add_subplot(...)。plt.subplot(...)是Figure.add_subplot(...)的包装器（wrapper）。
3. plt.subplots(...)：没有参数nrows和ncols，则一个Figure上只有一个Axes。若有参数（nrows=m, ncols=n），则一个Figure上有m行n列的Axes。
4. Figure.add_axes(...)：指定一个Axes在Figure上的位置和大小，可以嵌套。

创建Axes

Figure.add_subplot(...)	一次添加一个子图，可多次添加。返回Axes。
plt.subplot(...)	一次添加一个子图，可多次添加。返回Axes。
plt.subplots(...)	一次添加一个子图，也可以一次添加多个子图。 返回Figure和Axes（或Axes集合）。
Figure.add_axes(...)	一次添加一个子图，指定位置和大小，可嵌套。返回Axes。

主要绘制图

一个子图：fig, ax = plt.subplots( )【ax为一个子图】

多个子图：fig, ax = plt.subplots(nrow, ncol)【ax[图索引] 为其中一个子图】

注：图索引：若所有子图都在一行，则图索引为第几列（索引号从0开始），例如：ax[0] 为第一个子图；若多行多列，则图索引为几行几列（索引号都从0开始），例如：ax[0,1] 为第一行第二列的子图。

主要绘制图

	函数（单个图）	函数（一个子图）	函数（多个子图中）
线图	plt.plot(...)	ax.plot(...)	ax[图索引].plot(...)
散点图	plt.scatter(...)	ax.scatter(...)	ax[图索引].scatter(...)
饼图	plt.pie(...)	ax.pie(...)	ax[图索引].pie(...)
直方图	plt.hist(...)	ax.hist(...)	ax[图索引].hist(...)
柱状图	plt.bar(...)	ax.bar(...)	ax[图索引].bar(...)
热图	plt.imshow(...)	ax.imshow(...)	ax[图索引].imshow(...)
箱线图	plt.boxplot(...)	ax.boxplot(...)	ax[图索引].boxplot(...)

图相关属性

图相关属性

	函数（单个图）	函数（一个子图）	函数（多个子图中）
文本内容	plt.text(...)	ax.text(...)	ax[图索引].text(...)
网格线	plt.grid(True)	ax.grid(True)	ax[图索引].grid(True)
图例	plt.legend(...)	ax.legend(...)	ax[图索引].legend(...)
标题	plt.title(...)	ax.set_title(...)	ax[图索引].set_title(...)
x轴标签	plt.xlabel(...)	ax.set_xlabel(...)	ax[图索引].set_xlabel(...)
y轴标签	plt.ylabel(...)	ax.set_ylabel(...)	ax[图索引].set_ylabel(...)
x轴和y轴刻度	plt.axis(...)	ax.axis(...)	ax[图索引].axis(...)
x轴刻度(范围)	plt.xlim(...)	ax.set_xlim(...)	ax[图索引].set_xlim(...)
y轴刻度(范围)	plt.ylim(...)	ax.set_ylim(...)	ax[图索引].set_ylim(...)
x轴刻度(缩放)	plt.xscale(...)	ax.set_xscale(...)	ax[图索引].set_xscale(...)
y轴刻度(缩放)	plt.yscale(...)	ax.set_yscale(...)	ax[图索引].set_yscale(...)
x轴设置刻度位置	plt.xticks(...)	ax.set_xticks(...)	ax[图索引].set_xticks(...)
x轴设置刻度标签		ax.set_xticklabels(...)	ax[图索引].set_xticklabels(...)
y轴设置刻度位置	plt.yticks(...)	ax.set_yticks(...)	ax[图索引].set_yticks(...)
y轴设置刻度标签		ax.set_yticklabels(...)	ax[图索引].set_yticklabels(...)

绘图步骤

1. 导入matplotlib：import matplotlib.pyplot as plt
2. 绘制图（单个图/一个子图，多个图，多个子图）
3. 显示图：plt.show( )

---

帮助

matplotlib各函数/方法官方文档：API Reference — Matplotlib 3.9.2 documentation

matplotlib.pyplot各函数/方法官方文档：matplotlib.pyplot — Matplotlib 3.9.2 documentation

Figure各函数/方法官方文档：matplotlib.figure — Matplotlib 3.9.2 documentation

Axes各函数/方法官方文档：matplotlib.axes — Matplotlib 3.9.2 documentation

各函数说明文档：例如：① 导入库：import matplotlib.pyplot as plt，② help(plt.figure)

---

案例

1、显式创建Figure：

① 设置画布（尺寸大小，分辨率，背景色，边框颜色等）

import matplotlib.pyplot as plt
import numpy as np

data = np.random.randint(0,9,10)

# 创建figure(画布)并设置
fig = plt.figure(figsize=(3,2), dpi=200, layout='constrained', facecolor='lightskyblue')
fig.suptitle('Figure')
# 创建axes
ax = fig.add_subplot(111)
# 绘制图
ax.boxplot(data)     # 箱线图
ax.set_title("box plot")
# 显示图
plt.show()

② 绘制多个图（多个画布）

import matplotlib.pyplot as plt
import numpy as np

data_1 = [np.random.randint(0,9,5),np.random.randint(10,19,5)]
data_2 = np.random.randint(0,16,10)
n = np.arange(10)

# 一个画布, 绘制一个热图
fig_1 = plt.figure()
ax1 = fig_1.add_subplot(111)
ax1.imshow(data_1)
ax1.set_title("heatmap plot")

# 一个画布, 绘制两个散点图
fig_2 = plt.figure(figsize=(5,3))

ax_1 = fig_2.add_subplot(1,2,1)
ax_1.plot(n,data_2,marker='o',linestyle='')
ax_1.set_title("scatter plot 1")
ax_1.text(1,2,"hello,scatter",fontsize=10)

ax_2 = fig_2.add_subplot(1,2,2)
ax_2.scatter(n,data_2)
ax_2.set_title("scatter plot 2")

plt.show()

2、隐式创建figure对象：

① 单个图（折线图）

import matplotlib.pyplot as plt
import numpy as np

n = np.arange(5)
data_1 = np.random.randint(0,9,5)
data_2 = np.random.randint(0,9,5)

plt.plot(n,data_1)
plt.plot(n,data_2)
plt.title("line plot")
plt.xlabel("num")
plt.ylabel("data")
plt.legend(['data_1','data_2'])
plt.grid(True)
plt.show()

 

简单的图，单个图和一个子图 没有太大差别。 

一个子图（折线图）

import matplotlib.pyplot as plt
import numpy as np

n = np.arange(5)
data_1 = np.random.randint(0,9,5)
data_2 = np.random.randint(0,9,5)

fig, ax = plt.subplots()
ax.plot(n,data_1)
ax.plot(n,data_2)
ax.set_title("line plot (subplot)")
ax.set_xlabel("num")
ax.set_ylabel("data")
ax.legend(['data_1','data_2'])
ax.grid(True)
plt.show()

② 多个子图（柱状图，直方图-密度图，折线图，散点图）

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

n = np.arange(5)
data1 = np.random.randint(0,20,5)
data2 = np.random.randn(20)
data3 = np.random.random(5)
color = np.random.rand(5)

fig, ax = plt.subplots(2,2,figsize=(8,8))

ax[0,0].bar(n,data1)
ax[0,0].set_title("bar plot")

ax[0,1].hist(data2,5,density=True, histtype='stepfilled', facecolor='g',alpha=0.75,label='直方图')
ax[0,1].set_title("hist plot")
pd.Series(data2).plot(kind='kde',label='密度图')

ax[1,0].pie(data1)
ax[1,0].set_title("pie plot")

s = ax[1,1].scatter(n,data3,c=color,cmap='viridis')
ax[1,1].set_title("scatter plot")
fig.colorbar(s)

plt.show()

---

补充：报错处理

1、安装超时问题

具体问题：若安装matplotlib（pip install matplotlib）时报错超时（Read timed out）。

解决方法：

尝试1、增加时间：pip install matplotlib --default-timeout=2000。

尝试2、使用国内镜像（例如：清华）：pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple。

2、numpy版本和pandas、matplotlib版本匹配问题

matplotlib和pandas都依赖numpy，需注意版本匹配问题。

（2-1）若numpy与pandas版本不匹配，则导入pandas时报错：

ValueError: numpy.dtype size changed, may indicate binary incompatibility. Expected 96 from C header, got 88 from PyObject

（2-2）若numpy与matplotlib版本不匹配，导入matplotlib时报错：

ImportError: Matplotlib requires numpy>=1.23; you have 1.22.0.

本次问题：已安装过pandas，安装matplotlib时自动卸载原来numpy并安装与matplotlib匹配的版本，而该版本numpy与pandas不匹配。）

本次错误处理过程：因numpy版本高于pandas所需版本，卸载原numpy，安装低版本numpy。结果该版本numpy低于matplotlib所需的版本。

最终处理方式：（使用国内镜像，将numpy、pandas、matplotlib都升级为最新版本）

1. 升级numpy：pip install --upgrade numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
2. 升级pandas：pip install --upgrade pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
3. 升级matplotlib：目前已为最新版本，无需升级。

查看版本：

1. 查看目前Python版本（cmd输入命令：python --version）。
2. 查看目前pandas版本（python解释器：import pandas 和 pandas.__version_ 或者 cmd输入命令：pip show pandas）。
3. 查看目前pandas版本以及依赖的版本（python解释器：import pandas 和 pandas.show_versions()）
4. 查看目前matplotlib版本（python解释器：import matplotlib 和 matplotlib.__version_ 或者 cmd输入命令：pip show matplotlib）
5. 查看目前numpy版本（python解释器：import numpy 和 numpy.__version_）

 

3、密度图报错、安装scipy报错问题

具体问题：若使用pandas的plot 画密度图，需安装scipy库，否则报错：

ModuleNotFoundError: No module named 'scipy'

解决方法：cmd输入命令：pip install scipy

若安装scipy时报错：

ERROR: Could not find a version that satisfies the requirement scipy (from versions: none)
ERROR: No matching distribution found for scipy

解决方法：（使用国内镜像安装）pip install scipy -i https://pypi.tuna.tsinghua.edu.cn/simple