安装

Matplotlib的安装：

1.pip install matplotlib

2.conda install matplotlib （清华源：https://pypi.tuna.tsinghua.edu.cn/simple）

Matplotlib的导入： import matplotlib.pyplot as plt

介绍

  Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格   式。

基础绘图功能

plot() ：用于画图，它可以绘制点和线，语法格式如下： plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

x, y	点或线的节点，x 为 x 轴数据，y 为 y 轴数据，数据可以列表或数组。
fmt	可选，定义基本格式（如颜色、标记和线条样式）。
**kwargs	可选，用在二维平面图上，设置指定属性，如标签，线的宽度等。

plot() ：用于画图，它可以绘制点和线。 · 绘制坐标 (1, 3) 到 (8, 10) 的线。

import matplotlib.pyplot as plt
import numpy as np

xpoints = np.array([1, 8])
ypoints = np.array([3, 10])

plt.plot(xpoints, ypoints)
plt.show()

关键参数​​：

marker：点标记样式（o圆点、s方块）

linestyle/ls：线型（-实线、--虚线）

color/c：颜色（名称/十六进制/RGB值）

linewidth/lw：线宽

如果我们不指定 x 轴上的点，则 x 会根据 y 的值来设置为 0, 1, 2, 3..N-1。

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([3, 10])

plt.plot(ypoints)
plt.show()

练习

在同一张图中分别绘制正弦图和余弦图

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 创建数据点
x = np.linspace(0, 12, 1000)  # 横坐标从0到12
y_sin = np.sin(x)             # 正弦函数
y_cos = np.cos(x)             # 余弦函数

# 创建图形
plt.figure(figsize=(10, 6))

# 绘制正弦曲线（蓝色）
plt.plot(x, y_sin, color='blue', linewidth=2, label='sin(x)')

# 绘制余弦曲线（橙色）
plt.plot(x, y_cos, color='orange', linewidth=2, label='cos(x)')

# 设置坐标轴范围和刻度
plt.xlim(0, 12)
plt.ylim(-1, 1)

# 设置x轴刻度（0,2,4,6,8,10,12）
plt.xticks(np.arange(0, 13, 2))

# 设置y轴刻度（-1.00到1.00，每0.25一个刻度）
plt.yticks(np.arange(-1.00, 1.25, 0.25))

# 添加网格线
plt.grid(True, linestyle='--', alpha=0.7)

# 添加图例
plt.legend(loc='upper right')

# 添加坐标轴标签
plt.xlabel('x')
plt.ylabel('y')

# 显示图形
plt.show()

结果展示：

plot()中的 marker 参数：定义一些不一样的标记

总结基础图表类型：

​​图表类型​​	​​函数​​	​​关键参数​​	​​参数解释​​
​​折线图​​	plt.plot()	marker linestyle color	​​marker​​: 数据点标记样式（'o'圆形、's'方形、'*'星号等） ​​linestyle​​: 线条样式（'-'实线、'--'虚线、':'点线等） ​​color​​: 线条颜色（名称如'red'、十六进制值如'#FF5733'）
​​散点图​​	plt.scatter()	s c alpha	​​s​​: 点的大小（标量或数组，控制每个点的尺寸） ​​c​​: 点的颜色（单一颜色或数组，用于数值映射） ​​alpha​​: 透明度（0透明~1不透明）
​​柱状图​​	plt.bar()	width color edgecolor	​​width​​: 柱子宽度（默认0.8，值越小柱子越窄） ​​color​​: 柱子填充色（支持列表按柱子分配颜色） ​​edgecolor​​: 柱子边框颜色（如'black'）
​​水平柱状图​​	plt.barh()	height align	​​height​​: 条形高度（默认0.8，值越小条形越窄） ​​align​​: 对齐方式（'center'居中、'edge'边缘对齐刻度）
​​饼图​​	plt.pie()	autopct explode shadow	​​autopct​​: 百分比格式（如'%1.1f%%'保留一位小数） ​​explode​​: 区块分离距离（列表，如[0,0.1,0]突出第二块） ​​shadow​​: 是否添加阴影（True/False）
​​直方图​​	plt.hist()	bins density stacked	​​bins​​: 区间数量/边界（整数或列表，如bins=[0,10,20]） ​​density​​: 是否归一化为概率密度（True显示频率） ​​stacked​​: 多数据是否堆叠（True堆叠显示）
​​热力图​​	plt.imshow()	cmap interpolation	​​cmap​​: 颜色映射方案（如'viridis'、'hot'、'coolwarm'） ​​interpolation​​: 像素插值方法（'nearest'锯齿、'bilinear'平滑）

scatter()：绘制散点图

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y, color = 'hotpink')

x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y, color = '#88c999')

plt.show()

bar()：绘制柱形图， 自定义各个柱形的颜色：

练习2

图表定制化总结

定制要素​​	​​函数/参数​​	​​配置示例​​	​​参数解释​​
​​坐标轴​​	xlim(), yticks()	plt.xticks(range(0,13,2))	​​xlim(left, right)​​：设置X轴范围（left为最小值，right为最大值） 。 ​​yticks(ticks, labels)​​：设置Y轴刻度位置（ticks为刻度值列表，labels为对应标签）。
​​网格​​	grid()	linestyle='--', alpha=0.6	​​b​​：是否显示网格（True/False） 。 ​​axis​​：网格方向（'x'、'y'、'both'）。 ​​linestyle​​：线型（如'--'虚线）。 ​​alpha​​：透明度（0~1）。
​​标签​​	xlabel(), title()	fontsize=14, pad=15	​​label​​：标签文本内容 。 ​​fontsize​​：字体大小（单位：磅）。 ​​labelpad​​：标签与坐标轴的距离（像素）。 ​​pad​​（标题）：标题与图表顶部的间距。
​​图例​​	legend()	loc='upper right', title='Categories'	​​loc​​：位置（如'upper right'、'best'自动选择） 。 ​​title​​：图例标题文本。 ​​bbox_to_anchor​​：自定义定位（元组坐标）。 ​​ncol​​：图例列数（默认为1）。
​​布局​​	tight_layout()	pad=2.0, w_pad=1.5	​​pad​​：子图与画布边缘的间距 。 ​​w_pad/h_pad​​：子图间水平/垂直间距。 ​​rect​​：调整后的矩形区域（[left, bottom, right, top]）。
​​子图​​	subplot()	plt.subplot(2,2,1)	​​nrows, ncols​​：网格行/列数 。 ​​index​​：子图位置索引（从1开始）。 ​​projection​​：坐标系类型（如'polar'极坐标）

pie()：绘制饼图

练习3

已知五年级三班的同学中，喜欢篮球的同学占20%，喜欢乒乓球的同学占30%，喜欢羽毛球的同学占20%，喜欢足球的同学占18%，喜欢排球的同学占12%。请你根据已知条件画出一个饼图，让所占比例看的更加清楚。

import matplotlib.pyplot as plt
import numpy as np

y = np.array([20, 30, 20, 18, 12])

plt.pie(y,
        labels=['篮球', '乒乓球', '羽毛球', '足球', '排球'],  # 设置饼图标签
        colors=["#d5695d", "#5d8ca8", "#65a479", "#a564c9", "#e8c547"],  # 补充第5种颜色
        explode=(0.1, 0.3, 0.1, 0, 0),  # 修正中文逗号和长度
        autopct='%.2f%%',
       )


plt.title("五年级三班球类运动喜好分布")  # 优化标题描述
plt.show()

使用 hist() 函数绘制多个数据组的直方图

我们也可以结合 Pandas 来绘制直方图

imshow() 可以显示热力图

imshow() 创建了一个 4x4 的二维 numpy 数组，并对其进行了三种不同的 imshow 图像展示