当前位置：首页 > news >正文

matplotlib.pyplot常见图形及组合基础用法文档

news 2025/7/4 2:53:29

`matplotlib.pyplot` 常见图形及组合基础用法文档

一、引言

matplotlib.pyplot 是 Python 中用于数据可视化的强大库，提供了丰富的绘图函数，可绘制折线图、散点图、柱状图等多种类型的图形。同时，还能将不同类型的图形组合在一起，以更全面地展示数据。本文档将介绍 plt 中常见图形的基础用法以及两种图形的组合方式。

二、常见图形及基础用法

1. 折线图（Line Plot）

折线图用于展示数据随时间或其他连续变量的变化趋势。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制折线图
plt.plot(x, y)

# 设置标题和坐标轴标签
plt.title('折线图示例')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')

# 显示图形
plt.show()

代码解释：

np.linspace(0, 10, 100)：生成 100 个在 0 到 10 之间均匀分布的点作为 x 轴数据。
np.sin(x)：计算 x 对应的正弦值作为 y 轴数据。
plt.plot(x, y)：使用 plot 函数绘制折线图。
plt.title()、plt.xlabel()、plt.ylabel()：设置图形的标题和坐标轴标签。
plt.show()：显示绘制好的图形。

2. 散点图（Scatter Plot）

散点图用于展示两个变量之间的关系，每个数据点由 x 和 y 坐标表示。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.random.rand(50)
y = np.random.rand(50)

# 绘制散点图
plt.scatter(x, y)

# 设置标题和坐标轴标签
plt.title('散点图示例')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')

# 显示图形
plt.show()

代码解释：

np.random.rand(50)：生成 50 个在 0 到 1 之间的随机数作为 x 和 y 轴数据。
plt.scatter(x, y)：使用 scatter 函数绘制散点图。
其他部分与折线图的设置相同。

3. 柱状图（Bar Plot）

柱状图用于比较不同类别之间的数据大小。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]

# 绘制柱状图
plt.bar(categories, values)

# 设置标题和坐标轴标签
plt.title('柱状图示例')
plt.xlabel('类别')
plt.ylabel('数值')

# 显示图形
plt.show()

代码解释：

categories：表示不同的类别。
values：表示每个类别的数值。
plt.bar(categories, values)：使用 bar 函数绘制柱状图。
其他部分与前面的图形设置相同。

4. 饼图（Pie Chart）

饼图用于展示各部分数据占总体的比例关系。

import matplotlib.pyplot as plt

# 生成示例数据
labels = ['苹果', '香蕉', '橙子', '葡萄']
sizes = [30, 25, 20, 25]

# 绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%')

# 设置标题
plt.title('饼图示例')

# 显示图形
plt.show()

代码解释：

labels：表示各部分的标签。
sizes：表示各部分的数值。
plt.pie(sizes, labels=labels, autopct='%1.1f%%')：使用 pie 函数绘制饼图，autopct 参数用于显示百分比。
plt.title()：设置图形的标题。

5. 直方图（Histogram）

直方图用于展示数据的分布情况。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = np.random.randn(1000)

# 绘制直方图
plt.hist(data, bins=30)

# 设置标题和坐标轴标签
plt.title('直方图示例')
plt.xlabel('数值')
plt.ylabel('频数')

# 显示图形
plt.show()

代码解释：

np.random.randn(1000)：生成 1000 个服从标准正态分布的随机数作为数据。
plt.hist(data, bins=30)：使用 hist 函数绘制直方图，bins 参数指定直方图的柱子数量。
其他部分与前面的图形设置相同。

6. 热点图（Heatmap）

热点图用颜色表示数据密度或数值大小，常用于展示矩阵数据，通常结合 seaborn 库绘制。

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = np.random.rand(10, 10)

# 设置图片清晰度
plt.rcParams['figure.dpi'] = 300

# 创建热点图
sns.heatmap(data, annot=True, fmt=".2f")

# 设置标题
plt.title('热点图示例')

# 显示图形
plt.show()

代码解释：

np.random.rand(10, 10)：生成一个 10x10 的矩阵，元素是 0 到 1 之间的随机数。
sns.heatmap(data, annot=True, fmt=".2f")：绘制热点图，annot=True 显示数据值，fmt=".2f" 设置数据值格式为保留两位小数。
其他部分与前面的图形设置相同。

三、两种图形的组合

1. 折线图与散点图组合

展示数据趋势的同时突出数据点。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制折线图
plt.plot(x, y, label='折线')

# 绘制散点图
plt.scatter(x[::10], y[::10], color='red', label='散点')

# 设置标题和坐标轴标签
plt.title('折线图与散点图组合')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')

# 添加图例
plt.legend()

# 显示图形
plt.show()

代码解释：

plt.plot(x, y, label='折线')：绘制折线图，并设置图例标签。
plt.scatter(x[::10], y[::10], color='red', label='散点')：每隔 10 个点绘制一个红色散点，并设置图例标签。
plt.legend()：添加图例，方便区分不同图形。

2. 柱状图与折线图组合

比较不同类别数据大小的同时展示某一指标的变化趋势。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
categories = ['A', 'B', 'C', 'D']
values = [20, 35, 30, 25]
trend = [0.1, 0.2, 0.15, 0.25]

# 创建画布和双 Y 坐标轴
fig, ax1 = plt.subplots()
ax2 = ax1.twinx()

# 绘制柱状图
bars = ax1.bar(categories, values, color='blue', label='数值')

# 绘制折线图
line = ax2.plot(categories, trend, color='red', label='趋势')

# 设置标题
plt.title('柱状图与折线图组合')

# 设置坐标轴标签
ax1.set_xlabel('类别')
ax1.set_ylabel('数值', color='blue')
ax2.set_ylabel('趋势', color='red')

# 添加图例
lines, labels = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax2.legend(lines + lines2, labels + labels2, loc='upper left')

# 显示图形
plt.show()