Python使用matplotlib绘制图形大全(曲线图、条形图、饼图等)

matplotlib 的主要组成部分是 pyplot，它是一个类似于 MATLAB 的绘图框架。pyplot 提供了一个 MATLAB 式的接口，可以隐式地创建图形和轴，使得绘图变得简单。

以下是一个简单的 matplotlib 使用示例，用于绘制一条简单的折线图：

在这个例子中，我们首先导入了 matplotlib.pyplot 和 numpy。然后，我们创建了一组数据 x 和 y，其中 y 是 x 的正弦函数。接下来，我们使用 plt.figure() 创建一个新的图形，并使用 plt.plot() 绘制折线图。最后，我们设置了图表的标题和坐标轴标签，并使用 plt.show() 显示图形。

这只是 matplotlib 的一个基本示例。该库提供了许多其他功能，包括散点图、条形图、饼图、3D 图形、等高线图等。此外，matplotlib 还支持自定义颜色、线型、标记等，以及添加图例、网格等。

二、matplotlib 支持的图形

matplotlib 是一个非常灵活的绘图库，支持绘制多种类型的图形。以下是一些 matplotlib 支持的主要图形类型：

• 线图 (Line Plots): 最基本的图形类型，用于显示数据点的连接。
• 散点图 (Scatter Plots): 用于显示两个变量之间的关系，通过点的分布来表示。
• 条形图 (Bar Charts): 适用于展示分类数据的相对大小。
• 直方图 (Histograms): 展示数据分布的统计图，通常用于表示连续变量的分布情况。
• 饼图 (Pie Charts): 用于表示整体中各部分的比例关系。
• 箱图 (Box Plots): 用于展示数据的分布情况，包括中位数、四分位数、最大值、最小值以及可能存在的异常值。
• 面积图 (Area Charts): 类似于线图，但是下方区域会被填充颜色，用于表示数据随时间的变化量。
• 等高线图 (Contour Plots): 通常用于表示三维数据在二维平面上的投影，通过等高线展示数据点的密集程度。
• 热力图 (Heatmap): 通过颜色的深浅来表示数据矩阵中各个值的大小。
• 极坐标图 (Polar Plots): 在极坐标系中展示数据点，常用于表示与角度相关的信息。
• 三维图形 (3D Plots): 用于在三维空间中展示数据点的分布情况，可以创建三维散点图、三维曲面图等。
• 堆叠图 (Stacked Plots): 适用于展示多个分类数据系列的累积效果，如堆叠条形图或堆叠面积图。
• 误差条图 (Error Bar Charts): 用于表示数据点的不确定性或变化范围。
• 矢量场图 (Vector Fields): 用于表示矢量数据&#