Matplotlib：数据可视化的魔术师，让您的图表百变又出众！
焦
花哥约 7 分钟
花哥约 7 分钟
大家好！今天我们来聊一聊
Python
中一个非常强大的数据可视化工具——
Matplotlib
。在日常的数据分析工作中，我们常常需要将数据用图表的方式呈现出来，这样不仅更加直观，还能帮助我们快速发现数据中的趋势和问题。而
Matplotlib
就是实现这一目标的得力助手。
这篇文章会带领大家从
Matplotlib
的基础知识入手，逐步深入了解如何使用它绘制出各种炫酷的图表。准备好了吗？让我们开始吧！
一、Matplotlib 基础入门
1.1 什么是 Matplotlib？
Matplotlib 是一个用于绘制 2D 图表的 Python 库。它的语法简单易懂，功能丰富，能够绘制出从简单的折线图到复杂的三维图形。最常用的模块是 pyplot ，它提供了一组类似 MATLAB 的绘图工具。1.2 安装 Matplotlib
我们首先需要安装 Matplotlib ，可以通过 pip 命令轻松搞定：```bash
pip install matplotlib
安装完成后，我们就可以开始使用它。接下来，我们从最简单的折线图开始！
二、绘制折线图
2.1 第一个折线图
让我们从最简单的例子开始，绘制一个折线图，展示数据的变化趋势。
python
复制
import matplotlib.pyplot as plt
# 准备数据
x = [1， 2， 3， 4， 5]
y = [1， 4， 9， 16， 25]
# 绘制折线图
plt.plot(x， y)
# 添加标题和标签
plt.title('简单折线图')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
# 显示图表
plt.show()
plt.plot()
函数来绘制折线图，并通过
plt.show()
将图表显示出来。
小贴士
：绘制图表时，记得使用
plt.xlabel()
和
plt.ylabel()
来为坐标轴添加标签，这样图表会更具可读性。
2.2 折线图的美化
折线图不仅仅是简单的线条。我们可以通过设置颜色、线型、标记点等方式让图表更加美观。
python
复制
import matplotlib.pyplot as plt
# 准备数据
x = [1， 2， 3， 4， 5]
y = [1， 4， 9， 16， 25]
# 绘制折线图，并设置颜色、线型、标记点
plt.plot(x， y， color='red'， linestyle='--'， marker='o')
# 添加标题和标签
plt.title('美化后的折线图')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
# 显示图表
plt.show()
color
参数设置线条颜色，
linestyle
设置线条样式，
marker
设置标记点样式。通过这些简单的调整，折线图瞬间变得丰富多彩。
三、绘制柱状图
折线图适合展示数据的变化趋势，但如果我们想比较不同类别之间的数据， 柱状图 是一个很好的选择。3.1 简单的柱状图
下面我们来看如何绘制一个简单的柱状图：
python
复制
import matplotlib.pyplot as plt
# 准备数据
categories = ['A'， 'B'， 'C'， 'D'， 'E']
values = [5， 7， 3， 8， 6]
# 绘制柱状图
plt.bar(categories， values)
# 添加标题和标签
plt.title('简单柱状图')
plt.xlabel('类别')
plt.ylabel('值')
# 显示图表
plt.show()
plt.bar()
函数绘制了一个柱状图。每个柱子对应一个类别，柱子的高度表示该类别的值。
3.2 横向柱状图
有时候，横向的柱状图可能更适合展示数据。我们可以使用
plt.barh()
函数来实现。
python
复制
import matplotlib.pyplot as plt
# 准备数据
categories = ['A'， 'B'， 'C'， 'D'， 'E']
values = [5， 7， 3， 8， 6]
# 绘制横向柱状图
plt.barh(categories， values， color='skyblue')
# 添加标题和标签
plt.title('横向柱状图')
plt.xlabel('值')
plt.ylabel('类别')
# 显示图表
plt.show()
plt.barh()
，并且确保
xlabel
和
ylabel
的标签顺序正确。
四、绘制饼图
除了折线图和柱状图， 饼图 也是一种常见的数据可视化图表，尤其适合展示各部分在整体中的占比。4.1 简单的饼图
让我们来绘制一个展示市场份额的简单饼图：
python
复制
import matplotlib.pyplot as plt
# 准备数据
labels = ['A公司'， 'B公司'， 'C公司'， 'D公司']
sizes = [40， 35， 15， 10]
# 绘制饼图
plt.pie(sizes， labels=labels， autopct='%.1f%%'， startangle=90)
# 添加标题
plt.title('市场份额饼图')
# 显示图表
plt.show()
plt.pie()
函数，并通过
autopct
参数设置了百分比显示格式，
startangle
参数设置了起始角度，使饼图看起来更加美观。
五、绘制散点图
在处理大规模数据集时， 散点图 是非常有用的工具，它能帮助我们观察不同变量之间的关系。散点图通过在二维坐标系中标记点，展示每对数据的值。5.1 简单的散点图
我们来绘制一个简单的散点图，展示两个变量之间的关系：
```python
import matplotlib.pyplot as plt
# 准备数据
x = [1， 2， 3， 4， 5]
y = [2， 3， 5， 7， 11]
# 绘制散点图
plt.scatter(x， y)
# 添加标题和标签
plt.title('简单散点图')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
# 显示图表
plt.show()
plt.scatter()
用于绘制散点图。每个点的横坐标和纵坐标分别由
x
和
y
列表中的值决定。
小贴士
：散点图非常适合展示两个变量之间的相关性，例如身高和体重之间的关系。
5.2 散点图的美化
我们可以通过调整点的颜色、大小等属性来美化散点图，使其更加具有表现力。
python
复制
import matplotlib.pyplot as plt
# 准备数据
x = [1， 2， 3， 4， 5]
y = [2， 3， 5， 7， 11]
sizes = [50， 100， 200， 300， 400]
colors = ['red'， 'green'， 'blue'， 'orange'， 'purple']
# 绘制美化后的散点图
plt.scatter(x， y， s=sizes， c=colors， alpha=0.7)
# 添加标题和标签
plt.title('美化后的散点图')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
# 显示图表
plt.show()
s
参数用来设置点的大小，
c
参数用来设置点的颜色，
alpha
参数用来调整点的透明度。通过这些简单的调整，散点图变得更加丰富多彩。
六、绘制直方图
直方图 是一种用来显示数据分布的图表。它通过显示数据在各个区间的频数来帮助我们理解数据的分布情况。6.1 简单的直方图
让我们来绘制一个直方图，展示一些随机数据的分布：
python
复制
import matplotlib.pyplot as plt import numpy as np
# 生成随机数据
data = np.random.randn(1000)
# 绘制直方图
plt.hist(data， bins=30， color='skyblue'， edgecolor='black')
# 添加标题和标签
plt.title('简单直方图')
plt.xlabel('值')
plt.ylabel('频率')
# 显示图表
plt.show()
plt.hist()
函数来绘制直方图。
bins
参数表示将数据分为多少个区间，
color
和
edgecolor
参数分别用来设置柱子的填充颜色和边框颜色。
6.2 调整直方图的展示方式
我们还可以根据需求调整直方图的展示方式，例如将频率转换为概率密度：
python
复制
import matplotlib.pyplot as plt import numpy as np
# 生成随机数据
data = np.random.randn(1000)
# 绘制概率密度直方图
plt.hist(data， bins=30， density=True， color='lightgreen'， edgecolor='black')
# 添加标题和标签
plt.title('概率密度直方图')
plt.xlabel('值')
plt.ylabel('概率密度')
# 显示图表
plt.show()
density
参数设置为
True
时，直方图显示的是概率密度而非频率，这在统计分析中非常常见。
七、绘制多图表
有时我们需要在同一个窗口中展示多个图表， Matplotlib 提供了
subplot()
函数来帮助我们实现这一点。
7.1 使用 subplot 绘制多图表
以下是一个同时展示折线图和柱状图的例子：
python
复制
import matplotlib.pyplot as plt
# 准备数据
x = [1， 2， 3， 4， 5]
y1 = [1， 4， 9， 16， 25]
y2 = [5， 7， 3， 8， 6]
# 创建第一个子图 - 折线图
plt.subplot(2， 1， 1) # 2行1列的子图，当前是第1个
plt.plot(x， y1， 'r--')
plt.title('折线图')
# 创建第二个子图 - 柱状图
plt.subplot(2， 1， 2) # 2行1列的子图，当前是第2个
plt.bar(x， y2)
plt.title('柱状图')
# 调整布局并显示图表
plt.tight_layout()
plt.show()
plt.subplot()
函数用于创建子图。参数
2， 1， 1
表示将图表区域划分为 2 行 1
列的子图，当前绘制的是第 1 个图。类似的，
2， 1， 2
表示绘制第 2 个图。最后通过
plt.tight_layout()
自动调整子图间的间距。