当前位置： 首页 > news >正文

数据可视化——matplotlib库

news 2025/8/26 7:52:36

Matplotlib 数据可视化全面教程

Matplotlib 是 Python 生态中最强大、最灵活的数据可视化库之一，由 John D. Hunter 于2003年创建。作为科学计算和数据可视化领域的事实标准，它广泛应用于学术研究、金融分析、商业智能和机器学习等领域。本教程将系统地从基础绘图讲解到高级定制技巧。

1. Matplotlib 基础

1.1 安装与导入

推荐安装方式（推荐使用虚拟环境）：

pip install matplotlib numpy pandas  # 通常与科学计算库一起安装

基础导入方式：

import matplotlib.pyplot as plt  # 主要绘图接口
import numpy as np  # 数值计算基础库
import pandas as pd  # 数据处理常用库

版本检查：

print("Matplotlib版本:", plt.__version__)

1.2 创建基本折线图

完整示例代码：

# 准备数据
x = [1, 2, 3, 4, 5]  # X轴数据
y = [2, 4, 6, 8, 10]  # Y轴数据# 创建画布和绘制图形
plt.figure(figsize=(8, 4))  # 设置图形大小(宽8英寸，高4英寸)
plt.plot(x, y, marker='o', markersize=8)  # 绘制带圆点标记的折线# 添加图表元素
plt.title("简单折线图示例", fontsize=14, fontweight='bold')
plt.xlabel("X轴标签", fontsize=12)
plt.ylabel("Y轴标签", fontsize=12)
plt.grid(True, linestyle='--', alpha=0.7)  # 添加虚线网格# 显示图形
plt.tight_layout()  # 自动调整布局
plt.show()

输出效果：

  • 显示从(1,2)到(5,10)的直线，每个数据点有圆形标记
  • 带有标题、坐标轴标签和灰色虚线网格
  • 图形宽高比为2:1

2. 常用图表类型详解

2.1 折线图（Line Plot）

高级应用场景：

  • 时间序列数据可视化
  • 多组数据对比
  • 趋势分析

完整示例：

# 生成数据
x = np.linspace(0, 10, 100)  # 0到10的100个等间距点
y1 = np.sin(x)  # 正弦曲线
y2 = np.cos(x)  # 余弦曲线# 创建图形
plt.figure(figsize=(10, 5))# 绘制两条曲线
plt.plot(x, y1, label="sin(x)", color="red", linestyle="--", linewidth=2,marker='o',markevery=10)  # 每隔10个点显示一个标记plt.plot(x, y2,label="cos(x)",color="blue",linestyle="-",linewidth=1.5)# 添加图表元素
plt.title("三角函数曲线对比", fontsize=14)
plt.xlabel("X值", fontsize=12)
plt.ylabel("函数值", fontsize=12)
plt.legend(fontsize=10, loc='upper right')  # 添加图例
plt.grid(True, alpha=0.3)  # 半透明网格# 设置坐标轴范围
plt.xlim(0, 10)
plt.ylim(-1.5, 1.5)# 自定义刻度
plt.xticks(np.arange(0, 11, 2))  # X轴每2单位一个刻度
plt.yticks(np.arange(-1.5, 1.6, 0.5))  # Y轴每0.5单位一个刻度plt.tight_layout()
plt.show()

关键参数说明：

参数可选值说明
color颜色名称或十六进制值控制线条颜色，如'red'、'#FF0000'
linestyle'-', '--', ':', '-.'实线、虚线、点线、点划线
linewidth数值(默认1.0)线条粗细
marker'o', 's', '^', '*', '+'数据点标记样式
markersize数值标记点大小
label字符串用于图例显示的标签

2.2 散点图（Scatter Plot）

典型应用场景：

  • 相关性分析
  • 聚类可视化
  • 数据分布观察

高级示例：

# 生成随机数据
np.random.seed(42)  # 确保可重复性
x = np.random.randn(100)  # 100个正态分布随机数
y = x + np.random.randn(100) * 0.5  # 添加噪声
sizes = np.abs(np.random.randn(100)) * 100  # 点的大小
colors = np.random.rand(100)  # 点的颜色值
categories = np.random.choice(['A', 'B', 'C'], size=100)  # 类别数据# 创建图形
plt.figure(figsize=(9, 6))# 绘制散点图
scatter = plt.scatter(x, y, c=colors, s=sizes,alpha=0.7,  # 半透明cmap='viridis',  # 颜色映射edgecolors='black',  # 边缘色linewidths=0.5)  # 边缘线宽# 添加颜色条
cbar = plt.colorbar(scatter)
cbar.set_label('颜色值', rotation=270, labelpad=15)# 添加标题和标签
plt.title("高级散点图示例", fontsize=14)
plt.xlabel("X变量", fontsize=12)
plt.ylabel("Y变量", fontsize=12)# 添加参考线
plt.axhline(0, color='gray', linestyle='--', linewidth=1)
plt.axvline(0, color='gray', linestyle='--', linewidth=1)plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

参数详解：

  • c: 颜色值，可以是单一颜色或与数据点对应的值数组
  • s: 点的大小，单个值或数组
  • alpha: 透明度(0-1)
  • cmap: 颜色映射，如'viridis','plasma','coolwarm'等
  • edgecolors: 点边缘颜色
  • linewidths: 边缘线宽

2.3 柱状图（Bar Chart）

完整示例：

# 准备数据
labels = ['第一季度', '第二季度', '第三季度', '第四季度']
sales_2022 = [120, 150, 180, 210]
sales_2023 = [140, 160, 200, 240]
x = np.arange(len(labels))  # 标签位置
width = 0.35  # 柱状图宽度# 创建图形
fig, ax = plt.subplots(figsize=(10, 6))# 绘制柱状图
rects1 = ax.bar(x - width/2, sales_2022, width,label='2022年', color='skyblue', edgecolor='black')
rects2 = ax.bar(x + width/2, sales_2023, width,label='2023年', color='salmon', edgecolor='black')# 添加文本标签
def autolabel(rects):"""在柱子上方显示数值"""for rect in rects:height = rect.get_height()ax.annotate(f'{height}',xy=(rect.get_x() + rect.get_width() / 2, height),xytext=(0, 3),  # 3 points vertical offsettextcoords="offset points",ha='center', va='bottom')autolabel(rects1)
autolabel(rects2)# 添加图表元素
ax.set_title('年度销售额对比', fontsize=14)
ax.set_ylabel('销售额(万元)', fontsize=12)
ax.set_xticks(x)
ax.set_xticklabels(labels, fontsize=12)
ax.legend(fontsize=10)# 添加网格线
ax.yaxis.grid(True, linestyle='--', alpha=0.7)# 调整Y轴范围
ax.set_ylim(0, 260)fig.tight_layout()
plt.show()

堆叠柱状图变体：

# 准备数据
labels = ['产品A', '产品B', '产品C', '产品D']
online_sales = [20, 35, 30, 35]
offline_sales = [25, 32, 34, 20]# 创建图形
fig, ax = plt.subplots(figsize=(8, 5))# 绘制堆叠柱状图
ax.bar(labels, online_sales, label='线上销售', color='tab:blue')
ax.bar(labels, offline_sales, bottom=online_sales, label='线下销售', color='tab:orange')# 添加图表元素
ax.set_title('产品销售渠道分布', fontsize=14)
ax.set_ylabel('销售额(万元)', fontsize=12)
ax.legend(fontsize=10)
ax.grid(axis='y', linestyle='--', alpha=0.3)# 添加数值标签
for i, (online, offline) in enumerate(zip(online_sales, offline_sales)):ax.text(i, online/2, f'{online}', ha='center', va='center', color='white')ax.text(i, online + offline/2, f'{offline}', ha='center', va='center', color='white')plt.tight_layout()
plt.show()

2.4 直方图（Histogram）

高级应用示例：

# 生成混合正态分布数据
np.random.seed(42)
data1 = np.random.normal(0, 1, 1000)  # 均值0，标准差1
data2 = np.random.normal(5, 1.5, 800)  # 均值5，标准差1.5
data = np.concatenate([data1, data2])# 创建图形
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))# 绘制基本直方图
ax1.hist(data, bins=30, color='steelblue', edgecolor='white')
ax1.set_title('基本直方图', fontsize=12)
ax1.set_xlabel('数值', fontsize=10)
ax1.set_ylabel('频数', fontsize=10)
ax1.grid(True, alpha=0.3)# 绘制累积直方图
ax2.hist(data, bins=30, color='salmon', edgecolor='white', cumulative=True, density=True)
ax2.set_title('累积分布直方图', fontsize=12)
ax2.set_xlabel('数值', fontsize=10)
ax2.set_ylabel('累积比例', fontsize=10)
ax2.grid(True, alpha=0.3)# 添加整体标题
fig.suptitle('数据分布分析', fontsize=14, y=1.02)plt.tight_layout()
plt.show()

关键参数：

  • bins: 直方图的柱子数量，可以是整数或数组
  • range: 数据的显示范围，如(0, 10)
  • density: 是否显示为概率密度
  • cumulative: 是否显示累积分布
  • histtype: 'bar'(默认), 'barstacked', 'step', 'stepfilled'

2.5 饼图（Pie Chart）

专业级饼图示例：

# 准备数据
sizes = [35, 25, 20, 15, 5]
labels = ['电商', '零售', '批发', '出口', '其他']
explode = (0.05, 0, 0, 0, 0.1)  # 突出显示第一和最后一项
colors = ['#ff9999','#66b3ff','#99ff99','#ffcc99','#c2c2f0']
wedgeprops = {'linewidth': 1, 'edgecolor': 'white'}  # 饼图边缘样式# 创建图形
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))# 绘制基本饼图
ax1.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90,colors=colors, wedgeprops=wedgeprops)
ax1.set_title('基本饼图', fontsize=12)
ax1.axis('equal')  # 保证圆形# 绘制高级饼图
ax2.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',shadow=True, startangle=90, colors=colors, textprops={'fontsize': 10}, wedgeprops=wedgeprops,pctdistance=0.85, labeldistance=1.05)
ax2.set_title('带突出效果的饼图', fontsize=12)
ax2.axis('equal')# 添加中心圆（甜甜圈效果）
centre_circle = plt.Circle((0,0),0.70,fc='white')
ax2.add_artist(centre_circle)# 添加整体标题
fig.suptitle('销售渠道分布分析', fontsize=14, y=1.02)plt.tight_layout()
plt.show()

专业技巧：

  1. 使用startangle参数旋转饼图起始角度
  2. 通过explode参数突出重要部分
  3. 添加shadow参数增加立体感
  4. 使用wedgeprops自定义边缘样式
  5. 添加中心圆创建甜甜圈效果
  6. 调整pctdistance和labeldistance控制标签位置

3. 多子图布局技巧

3.1 使用plt.subplots()创建复杂布局

网格布局示例：

# 创建数据
x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(-x)# 创建2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(12, 8))# 第一行第一列
axs[0, 0].plot(x, y1, color='tab:blue')
axs[0, 0].set_title('正弦函数', fontsize=12)
axs[0, 0].grid(True, alpha=0.3)# 第一行第二列
axs[0, 1].plot(x, y2, color='tab:orange')
axs[0, 1].set_title('余弦函数', fontsize=12)
axs[0, 1].grid(True, alpha=0.3)# 第二行第一列
axs[1, 0].plot(x, y3, color='tab:green')
axs[1, 0].set_title('正切函数', fontsize=12)
axs[1, 0].set_ylim(-5, 5)  # 限制Y轴范围
axs[1, 0].grid(True, alpha=0.3)# 第二行第二列
axs[1, 1].plot(x, y4, color='tab:red')
axs[1, 1].set_title('指数衰减', fontsize=12)
axs[1, 1].grid(True, alpha=0.3)# 添加整体标题
fig.suptitle('常用数学函数可视化', fontsize=16, y=1.02)# 调整子图间距
plt.tight_layout()
plt.show()

不规则布局示例：

# 创建网格规范
fig = plt.figure(figsize=(12, 6))
gs = fig.add_gridspec(2, 3)  # 2行3列网格# 创建不同大小的子图
ax1 = fig.add_subplot(gs[0, :])  # 第一行全部列
ax2 = fig.add_subplot(gs[1, 0])  # 第二行第一列
ax3 = fig.add_subplot(gs[1, 1:])  # 第二行第二、三列# 在ax1中绘制
x = np.linspace(0, 10, 100)
ax1.plot(x, np.sin(x), 'r-')
ax1.set_title('主图 - 正弦函数')# 在ax2中绘制
ax2.hist(np.random.randn(1000), bins=30)
ax2.set_title('直方图')# 在ax3中绘制
ax3.scatter(np.random.rand(50), np.random.rand(50), c=np.random.rand(50), s=100*np.random.rand(50))
ax3.set_title('散点图')plt.tight_layout()
plt.show()

3.2 共享坐标轴的高级用法

共享X/Y轴示例：

# 准备数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.exp(-x)# 创建共享X轴的子图
fig, (ax1, ax2, ax3) = plt.subplots(3, 1, figsize=(8, 8), sharex=True)# 绘制各子图
ax1.plot(x, y1, 'b-')
ax1.set_title('正弦函数', fontsize=12)
ax1.grid(True, alpha=0.3)ax2.plot(x, y2, 'g-')
ax2.set_title('余弦函数', fontsize=12)
ax2.grid(True, alpha=0.3)ax3.plot(x, y3, 'r-')
ax3.set_title('指数衰减', fontsize=12)
ax3.set_xlabel('X轴', fontsize=10)
ax3.grid(True, alpha=0.3)# 添加整体标题
fig.suptitle('共享X轴的多子图示例', fontsize=14, y=1.02)plt.tight_layout()
plt.show()

4. 高级定制技巧

4.1 添加专业注释

完整示例：

# 准备数据
x = np.linspace(0, 10, 100)
y = x * np.sin(x)# 创建图形
fig, ax = plt.subplots(figsize=(10, 5))
ax.plot(x, y, 'b-', linewidth=2)# 添加文本注释
ax.text(2, 5, '增长区域', fontsize=12, bbox=dict(facecolor='white', alpha=0.8, edgecolor='black'))# 添加箭头注释
ax.annotate('最大值点', xy=(7.85, 7.85), xytext=(4, 8),arrowprops=dict(facecolor='black', shrink=0.05, width=1, headwidth=8),bbox=dict(boxstyle="round", fc="w", ec="0.5", alpha=0.9),fontsize=12)# 添加水平线和垂直线
ax.axhline(y=0, color='gray', linestyle='--')
ax.axvline(x=7.85, color='red', linestyle=':', alpha=0.5)# 添加矩形区域
rect = plt.Rectangle((1, -2), 2, 4, color='yellow', alpha=0.3)
ax.add_patch(rect)# 添加箭头
arrow = plt.Arrow(5, -1, 0, 2, width=0.5, color='green', alpha=0.5)
ax.add_patch(arrow)# 设置标题和标签
ax.set_title('高级注释示例', fontsize=14)
ax.set_xlabel('X轴', fontsize=12)
ax.set_ylabel('Y轴', fontsize=12)
ax.grid(True, alpha=0.3)plt.tight_layout()
plt.show()

4.2 自定义坐标轴

对数坐标轴示例：

# 准备数据
x = np.linspace(1, 100, 100)
y = x ** 2# 创建图形
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))# 常规坐标轴
ax1.plot(x, y)
ax1.set_title('线性坐标轴', fontsize=12)
ax1.grid(True, alpha=0.3)# 对数坐标轴
ax2.plot(x, y)
ax2.set_yscale('log')  # Y轴对数坐标
ax2.set_title('对数坐标轴', fontsize=12)
ax2.grid(True, alpha=0.3, which='both')  # 主次网格线# 添加整体标题
fig.suptitle('坐标轴类型对比', fontsize=14, y=1.02)plt.tight_layout()
plt.show()

双Y轴示例：

# 准备数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x) * 100  # 不同量级的数据# 创建图形和第一个Y轴
fig, ax1 = plt.subplots(figsize=(8, 5))
color = 'tab:red'
ax1.set_xlabel('X轴', fontsize=12)
ax1.set_ylabel('sin(x)', color=color, fontsize=12)
ax1.plot(x, y1, color=color)
ax1.tick_params(axis='y', labelcolor=color)# 创建第二个Y轴
ax2 = ax1.twinx()
color = 'tab:blue'
ax2.set_ylabel('100*cos(x)', color=color, fontsize=12)
ax2.plot(x, y2, color=color)
ax2.tick_params(axis='y', labelcolor=color)# 添加标题
plt.title('双Y轴示例', fontsize=14, pad=20)plt.tight_layout()
plt.show()

4.3 样式美化

样式表应用：

# 可用样式列表
print(plt.style.available)
"""
['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic', 'dark_background', 
'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 
'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 
'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 
'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 
'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']
"""# 演示不同样式
x = np.linspace(0, 10, 100)
y = np.sin(x)styles = ['default', 'ggplot', 'seaborn', 'dark_background', 'fivethirtyeight']
fig, axs = plt.subplots(len(styles), 1, figsize=(8, 12))for i, style in enumerate(styles):with plt.style.context(style):axs[i].plot(x, y, label='sin(x)')axs[i].plot(x, np.cos(x), label='cos(x)')axs[i].set_title(f'"{style}" 样式', fontsize=12)axs[i].legend()axs[i].grid(True)plt.tight_layout()
plt.show()

自定义样式：

# 自定义rc参数
plt.rcParams.update({'font.size': 12,  # 全局字体大小'axes.titlesize': 14,  # 标题字体大小'axes.labelsize': 12,  # 坐标轴标签大小'xtick.labelsize': 10,  # X轴刻度标签大小'ytick.labelsize': 10,  # Y轴刻度标签大小'legend.fontsize': 10,  # 图例字体大小'figure.titlesize': 16,  # 图形标题大小'grid.color': '0.75',  # 网格线颜色'grid.linestyle': '--',  # 网格线样式'grid.alpha': 0.5,  # 网格线透明度'lines.linewidth': 2,  # 线条宽度'lines.markersize': 8,  # 标记大小'axes.grid': True  # 默认显示网格
})# 使用自定义样式绘图
fig, ax = plt.subplots(figsize=(8, 5))
x = np.linspace(0, 10, 100)
ax.plot(x, np.sin(x), label='sin(x)')
ax.plot(x, np.cos(x), label='cos(x)')
ax.set_title('自定义样式示例', pad=20)
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.legend()plt.tight_layout()
plt.show()

5. 3D绘图高级技巧

5.1 基本3D绘图

3D曲面图示例：

from mpl_toolkits.mplot3d import Axes3D# 准备数据
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))# 创建3D图形
fig = plt.figure(figsize=(10, 7))
ax = fig.add_subplot(111, projection='3d')# 绘制3D曲面
surf = ax.plot_surface(X, Y, Z, cmap='viridis',  # 颜色映射edgecolor='none',  # 无边缘线antialiased=True,  # 抗锯齿rstride=2,  # 行步长cstride=2)  # 列步长# 添加颜色条
fig.colorbar(surf, shrink=0.5, aspect=10, label='Z值')# 设置标签和标题
ax.set_xlabel('X轴', labelpad=10)
ax.set_ylabel('Y轴', labelpad=10)
ax.set_zlabel('Z轴', labelpad=10)
ax.set_title('3D曲面图', fontsize=14, pad=20)# 调整视角
ax.view_init(elev=30, azim=45)  # 仰角30度，方位角45度plt.tight_layout()
plt.show()

5.2 3D散点图

高级3D散点图：

# 生成随机数据
np.random.seed(42)
n = 500
x = np.random.randn(n)
y = np.random.randn(n)
z = np.random.randn(n)
colors = np.random.rand(n)
sizes = 100 * np.random.rand(n)# 创建3D图形
fig = plt.figure(figsize=(10, 7))
ax = fig.add_subplot(111, projection='3d')# 绘制3D散点
scatter = ax.scatter(x, y, z, c=colors, s=sizes,cmap='plasma',alpha=0.7,edgecolors='black',linewidth=0.5)# 添加颜色条
cbar = fig.colorbar(scatter, shrink=0.5, aspect=10)
cbar.set_label('颜色值', rotation=270, labelpad=15)# 设置标签和标题
ax.set_xlabel('X轴', labelpad=10)
ax.set_ylabel('Y轴', labelpad=10)
ax.set_zlabel('Z轴', labelpad=10)
ax.set_title('高级3D散点图', fontsize=14, pad=20)# 调整视角
ax.view_init(elev=20, azim=35)plt.tight_layout()
plt.show()

6. 专业输出与保存

6.1 高质量图形保存

保存最佳实践：

# 创建示例图形
x = np.linspace(0, 10, 100)
y = np.sin(x)fig, ax = plt.subplots(figsize=(8, 5))
ax.plot(x, y, 'b-', linewidth=2)
ax.set_title('正弦函数', fontsize=14)
ax.set_xlabel('X轴', fontsize=12)
ax.set_ylabel('Y轴', fontsize=12)
ax.grid(True, alpha=0.3)# 保存为不同格式
fig.savefig('sine_wave.png',  # PNG格式dpi=300,  # 高分辨率bbox_inches='tight',  # 紧凑布局facecolor='white',  # 背景色edgecolor='none')  # 无边框fig.savefig('sine_wave.pdf',  # 矢量图PDFbbox_inches='tight',transparent=True)  # 透明背景fig.savefig('sine_wave.svg',  # 矢量图SVGbbox_inches='tight')# 保存为TIFF格式(适合出版)
fig.savefig('sine_wave.tiff', dpi=300, bbox_inches='tight',format='tiff',compression='lzw')  # 无损压缩print("图形已保存为多种格式")

6.2 多图形批量导出

# 创建多个图形
plots = {'line_plot': plt.figure(figsize=(8, 5)),'scatter_plot': plt.figure(figsize=(8, 5)),'bar_chart': plt.figure(figsize=(8, 5))
}# 填充图形内容
# ...# 批量保存
import os
output_dir = 'plots'
os.makedirs(output_dir, exist_ok=True)for name, fig in plots.items():fig.savefig(f'{output_dir}/{name}.png', dpi=200, bbox_inches='tight')plt.close(fig)  # 关闭图形释放内存print(f"已保存{len(plots)}个图形到{output_dir}目录")

7. 常见问题解决方案

7.1 中文显示问题

完整解决方案：

# 方法1：指定中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用黑体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题# 方法2：指定具体字体路径(适用于Linux服务器)
import matplotlib.font_manager as fm
font_path = '/usr/share/fonts/truetype/wqy/wqy-microhei.ttc'  # 文泉驿微米黑
font_prop = fm.FontProperties(fname=font_path)# 使用指定字体
plt.title('中文标题示例', fontproperties=font_prop, fontsize=14)
plt.xlabel('X轴标签', fontproperties=font_prop)
plt.ylabel('Y轴标签', fontproperties=font_prop)# 临时解决方案(不推荐)
plt.title('中文标题'.encode('unicode-escape').decode(), fontsize=14)

7.2 图例位置与样式

高级图例控制：

# 准备数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)# 创建图形
fig, ax = plt.subplots(figsize=(8, 5))
ax.plot(x, y1, label='sin(x)')
ax.plot(x, y2, label='cos(x)')
ax.plot(x, y3, label='tan(x)')# 高级图例设置
legend = ax.legend(loc='upper right',  # 位置frameon=True,  # 显示边框shadow=True,  # 阴影效果fancybox=True,  # 圆角边框framealpha=0.8,  # 透明度edgecolor='black',  # 边框颜色title='函数图例',  # 图例标题title_fontsize=12,  # 标题大小fontsize=10,  # 文本大小ncol=1,  # 列数bbox_to_anchor=(1, 1)  # 相对于轴的定位
)# 调整布局为图例留出空间
plt.tight_layout(rect=[0, 0, 0.85, 1])  # 右侧留出15%空间plt.show()

7.3 大数显示优化

# 准备大数据
x = np.arange(10)
y = np.array([1.5e6, 2.3e6, 3.1e6, 4.2e6, 5.0e6, 6.3e6, 7.1e6, 8.2e6, 9.0e6, 10.5e6])# 创建图形
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))# 原始数据显示
ax1.bar(x, y)
ax1.set_title('原始数据显示', fontsize=12)
ax1.set_ylabel('数值', fontsize=10)
ax1.tick_params(axis='x', rotation=45)# 优化显示格式
ax2.bar(x, y)
ax2.set_title('优化格式显示', fontsize=12)
ax2.set_ylabel('数值(百万)', fontsize=10)
ax2.tick_params(axis='x', rotation=45)# 使用科学计数法格式化Y轴
from matplotlib.ticker import FuncFormatter
def millions(x, pos):return f'{x*1e-6:.1f}M'formatter = FuncFormatter(millions)
ax2.yaxis.set_major_formatter(formatter)plt.tight_layout()
plt.show()

8. Matplotlib功能速查表

功能类别常用函数关键参数适用场景
基础绘图plt.plot()x, y, linestyle, marker折线图、趋势分析
plt.scatter()x, y, s, c, alpha散点图、相关性分析
plt.bar()x, height, width, bottom柱状图、类别比较
plt.hist()x, bins, range, density直方图、分布分析
plt.pie()sizes, labels, autopct饼图、占比分析
子图布局plt.subplot()nrows, ncols, index简单子图布局
plt.subplots()nrows, ncols, sharex推荐子图创建方式
gridspec.GridSpec()nrows, ncols, width_ratios复杂不规则布局
3D绘图Axes3D.plot_surface()X, Y, Z, cmap, rstride3D曲面图
Axes3D.scatter()x, y, z, s, c3
http://www.dtcms.com/a/348563.html

相关文章：

  • EPWpy教程：一个脚本完成能带、声子、电声耦合、弛豫时间计算
  • [自用笔记]上传本地项目至github
  • 联想win11笔记本音频失效，显示差号（x）
  • 【嵌入式DIY实例-ESP32篇】-物联网电能表
  • 硬件开发_基于物联网的宠物猫饲养系统
  • 中介者模式与几个C++应用实例
  • 【高等数学】第十章 重积分——第二节 二重积分的计算法
  • 交通拥堵识别准确率↑22.5%！陌讯多模态时序融合算法在智慧交通的落地优化
  • Spring AOP面向切面的底层原理、注解、切入点表达式、连接点获取方法名参数值等
  • C++STL底层原理：探秘标准模板库的内部机制
  • 从全栈开发到微服务架构：一次真实的Java面试实录
  • 【机器学习】9 Generalized linear models and the exponential family
  • 大模型面试题剖析：微调与 RAG 技术的选用逻辑
  • 【Docker项目实战】使用Docker部署Hibiscus.txt简单日记工具
  • VITE BALABALA require balabla not supported
  • Linux:shell命令
  • 【数据结构】-4-顺序表（上）
  • AI Agent与生成式AI双驱动：AI如何重塑商业格局并创造千亿级增量价值
  • 一套完整的Linux下usb设备驱动包括字符设备驱动吗
  • Docker 安装LDAP(企业级统一账号配置系统)
  • 税务岗位能力提升培训课程推荐：专业成长与证书指南
  • 【Game】Powerful——Punch and Kick（12.3）All Star
  • KingBase数据库迁移利器：KDTS工具深度解析与实战指南
  • Https之(三)TLS双向认证
  • Linux-＞多线程2
  • openGauss之 无用join消除
  • 如何在 IDEA 中在启动 Spring Boot 项目时加参数
  • Ubuntu 服务器无法 ping 通网站域名的问题解决备忘 ——通常与网络配置有关（DNS解析）
  • 国内使用SSH稳定使用github
  • ROS 与 Ubuntu 版本对应关系