Python可视化——matplotlib学习笔记（数学建模赛前准备）

关注

原创最新推荐文章于 2026-08-27 15:43:51 发布 2.1k 阅读 AI 写同款· GEO 优化 ›

数学建模竞赛：从团队组建到实战模拟的完整赛前准备指南 数学建模是一种将现实世界复杂问题抽象为数学形式，并通过计算求解以提供决策支持的方法。其核心原理在于通过定义变量、建立方程或算法来模拟系统行为，从而预测结果或优化方案。这项技术的价值在于将模糊的实际问题转化为可量化、可分析的模型，极大地提升了决策的科学性和效率。在工程、金融、物流、数据分析等诸多领域，数学建模都是解决优化、预测和评价问题的关键技术。例如，在资源分配中运用线性规划，或在趋势预测中使用时间序列分析。本文聚焦于数学建模竞赛这一具体应用场景，深入探讨如何通过高效的团队协作和充分的赛前准备来应对挑战。文阅读详情

Matplotlib笔记

1.绘制折线图

基本操作
- 设置线条宽度，颜色
- 添加x y轴名称
- 设置字体（封装成字典），解决中文无法识别的问题
- 添加标题
- 保存图片

import matplotlib.pyplot as plt

#指定要绘制的点的横纵坐标（大小必须相同）
x = [1,2,3,4,5]
y = [1,4,9,16,25]

#设置字体，解决中文无法识别的问题
font_title = {
    'family':'FangSong',
    'weight':'bold',
    'size':25
}

#设置线条宽度，颜色
plt.plot(x,y,linewidth = 1,color = 'red')

#添加x，y轴名称
#可将所需字体的字典加入到xlabel和ylabel函数参数中
plt.xlabel('x')
plt.ylabel('y = x^2')

#添加标题
plt.title('y=x^2函数绘制多点折线图',font = font_title)

#保存图片
plt.savefig('../my_image/img1.jpg')

plt.show()

在这里插入图片描述

绘制正余弦曲线
- 当所选取的点数量较多，最终会呈现处函数曲线图样式
- 可利用numpy中的数组类型npArray初始化点的横纵坐标
- 绘制图例

import matplotlib.pyplot as plt
#利用numpy库，调用其pi常量和sin、cos函数
import numpy as np

#设置字体，解决中文无法识别的问题
font_title = {
    'family':'FangSong',
    'weight':'bold',
    'size':12
}

#生成-pi到pi间的1000个数
x = np.linspace(-np.pi*2,np.pi*2,1000)

#调用numpy内置数学函数，此方法生成npArray数组，也可设置横纵坐标
y1 = np.sin(x)
y2 = np.cos(x)

#作图，在label中设置图例
plt.plot(x,y1,linewidth = 1,label = '正弦曲线')
plt.plot(x,y2,linewidth = 1,label = '余弦曲线')

#必须用legend函数才能显示图例
#函数参数：
#	- prop  		设置字体
#	- loc 			设置图例位置
#   - fancybox      边框 True
#   - framealpha    透明度 0.7
#   - shadow        阴影 True
#   - borderpad     边框宽度 1
plt.legend(prop = font_title, loc = 'upper right')

plt.show()

在这里插入图片描述

设置线条样式
- 在plot函数中设置
- 种类丰富，可参考文章：https://blog.youkuaiyun.com/qq_30992103/article/details/101905466

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0,100,100)

plt.xlabel('x')
plt.ylabel('y')

#绘图时，设置线条样式
plt.plot(x,x-20,'--c')
plt.plot(x,x-10,'-.b')
plt.plot(x,x,':r')
plt.plot(x,x+10,'-g')

plt.show()

在这里插入图片描述

应用子图subplot
- 即将整个屏幕切分成m*n的矩阵，在每个小块上画画
- 每次画画plt.plot(…)前，都要指定画画区域

import matplotlib.pyplot as plt
import numpy as np

#生成-pi到pi间的1000个数
x = np.linspace(-np.pi,np.pi,1000)

#生成2*3的画布，并选择在第1区域个进行画画，即指定画画区域
plt.subplot(2,2,1)
plt.plot(x,np.sin(x/2),linewidth = 1)

plt.subplot(2,2,2)
plt.plot(x,np.sin(x),linewidth = 1)

plt.subplot(2,2,3)
plt.plot(x,np.sin(x*2),linewidth = 1)

plt.subplot(2,2,4)
plt.plot(x,np.sin(x*4),linewidth = 1)

plt.show()

在这里插入图片描述

可设置x y轴的刻度布局
- plt.xlim()
- plt.ylim()
- 参数为范围区间

import matplotlib.pyplot as plt
import numpy as np

#生成-pi到pi间的1000个数
x = np.linspace(-np.pi,np.pi,1000)

#在第1个区域，默认x为-pi到pi，y为-1到1
plt.subplot(1,2,1)
plt.plot(x,np.sin(x),linewidth = 1, color = 'red')

#在第2个区域，设置x为-2pi到2pi，y为-2到2
plt.subplot(1,2,2)
plt.xlim(-np.pi*2,np.pi*2)
plt.ylim(-2,2)
plt.plot(x,np.sin(x),linewidth = 1, color = 'red')

plt.show()

在这里插入图片描述

2.绘制散点图

基本操作
- 点的横纵坐标设置与折线图相同，仍然是两个大小相同的列表或npArray数组
- 设置点的面积大小

import matplotlib.pyplot as plt
import numpy as np

#正弦曲线上的一系列点
x = np.linspace(0,10,100)
y = np.sin(x)

#绘制折线图，与散点图对比
plt.plot(x,y,linewidth = 1,color = 'red')

#plt.scatter(...)绘制散点图，s为点的面积大小
plt.scatter(x,y,s = 20)

plt.show()

在这里插入图片描述

利用随机函数设置随机点
- 随机点、随机大小、随机颜色
- 注意random方法产生的是0-1的数，括号内参数是随机数的个数
- 以上3种随机产生的列表或npArray数组，大小均要相同
- scatter内参数
  - s 点的面积大小
  - c 点的颜色
  - alpha 点的透明度

import matplotlib.pyplot as plt
import numpy as np

#利用random内置方法，产生随机点，点的个数必须相同
#注意：随机数是0-1的
x = np.random.rand(100)
y = np.random.rand(100)

#产生随机大小
size = np.random.rand(100)*1000

#产生随机颜色
color = np.random.rand(100)

#alpha是透明度
plt.scatter(x,y,s = size, c = color, alpha=0.5)

plt.show()

在这里插入图片描述

3.绘制柱状图

基本操作
- bar() 绘制柱状图
  - width 宽度
  - bottom y轴起点
- 字体设置的另一种方法：设置全局字体
  
  plt.rcParams[‘font.sans-serif’] = [‘FangSong’] #设置全局字体
  
  plt.rcParams[‘axes.unicode_minus’]=False #正常显示负号
  
  plt.rcParams[‘font.size’]=18 #设置字体大小
替换横（纵）坐标的值 xticks() yticks()
- 设置网格 grid()
  - linestyle 线条样式
  - color 线条颜色
  - alpha 线条透明度

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['FangSong']	#设置全局字体
plt.rcParams['axes.unicode_minus']=False     	#正常显示负号
#plt.rcParams['font.size']=18                    #设置字体大小

x = [1990,1995,2000,2005,2010,2015,2020]
y = [101,200,600,1500,9000,15000,16000]
x_label = ['{}年'.format(year) for year in range(1990,2021,5)]

#绘制柱状图
plt.bar(x,y,width = 2, bottom = 2000)

#设置x坐标的替换值（两个列表/数组大小必须完全相同）
#默认全局字体，也可设置font参数，传入之前的字典类型即可
plt.xticks(x,x_label)

#设置网格
plt.grid(True,linestyle=':',color='r',alpha=0.6)

plt.show()

在这里插入图片描述

水平柱状图bar 和垂直柱状图barh
- 绘制水平线axhline 和垂直线axvline
- 正负不同的柱子颜色不同
- 显示数字

import matplotlib.pyplot as plt

x = [1,2,3,4,5]
y = [-5,-2,3,6,9]

##################################################################################
plt.subplot(1,2,1)
#返回一个myBar对象
myBar = plt.bar(x,y,width = 0.5)
#对小于0的柱设置颜色为黄色
for bar,height in zip(myBar,y):
    if height < 0:
        bar.set(color = 'yellow')
#绘制水平线
plt.axhline(0,color = 'red',linewidth = 1)

##################################################################################显示数字
#   ha='center'    horizontalalignment（水平对齐)
#   va= 'bottom'   verticalalignment（垂直对齐）
#   fontsize则是文字大小
#   '%.0f' % b,代表标注的文字，其中0表示不显示小数后面的数值，1就表示显示小数后面一位，以此类推
#   a, b - 0.5 表示在每一柱子对应x值、y值下方0.5处标注文字说明
for a, b in zip(x, y):
    if b > 0:
        plt.text(a, b, '%.f' % b, ha='center', va='bottom', fontsize=10)
    else:
        plt.text(a, b - 0.5, '%.f' % b, ha='center', va='bottom', fontsize=10)

##################################################################################
plt.subplot(1,2,2)
#水平柱状图不能设置宽度width，要设置条的宽度要用height
plt.barh(x,y,color = 'pink',height = 0.5)
#绘制垂直线
plt.axvline(0,color = 'red',linewidth = 1)

plt.show()

在这里插入图片描述

label旋转
- 在rotation属性中设置（值为角度）
- 想要ylabel正过来，要设置旋转为0

import matplotlib.pyplot as plt

font_label = {
    'family':'FangSong',
    'weight':'bold',
    'size':18
}

font_tick = {
    'family':'FangSong',
    'weight':'bold',
    'size':12
}

x = [1990,1995,2000,2005,2010,2015,2020]
y = [101,200,600,1500,9000,15000,16000]
x_label = ['{}年'.format(year) for year in range(1990,2021,5)]

plt.bar(x,y,width = 1)
plt.plot(x,y,linewidth = 1,color = 'r')

plt.xlabel('年份',font_label)
#将ylabel旋转
plt.ylabel('销量',font_label,rotation = 0)

#将x_label旋转
plt.xticks(x,x_label,font = font_tick,rotation = 45)

plt.show()

在这里插入图片描述

4.绘制饼状图

基本操作
- 输入数据
- 设置饼旁边的批注
- 设置饼的颜色
- 设置饼与中心的分离程度
- 饼上显示比例
- 设置饼的阴影

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['FangSong']	#设置全局字体
plt.rcParams['axes.unicode_minus']=False     	#正常显示负号
plt.rcParams['font.size'] = 18			  		#设置字体大小

#设置饼状图标题
plt.title('哈工大深圳的男女比例，哎...')

#依次设置：数据列表、批注label列表、颜色列表
numList = [3500,500]
labelnameList = ['男','女']
colorList = ['#3AABC6','#F183BF']  #颜色可以用十六进制

#利用pie绘图
plt.pie(
    numList,                     #自动计算比例
    labels = labelnameList,		 #设置批注
    colors = colorList,			 #设置颜色
    explode = [0,0.05],			 #设置某块饼与圆心的分离程度
    autopct = '%.2f%%',			 #设置饼上显示比例
    shadow = False,				 #设置阴影
)

#设置图例
plt.legend(['男的','Our Princess'],loc = 'upper right',fontsize = 12)

plt.show()

在这里插入图片描述

5.绘制3D图（画着玩）

基本操作如下，这样可以画一个一般的3D图形：

（可用鼠标左键拖动，多视角查看；右键拖动，缩放查看）

import matplotlib.pyplot as plt
import numpy as np
#导入3D包，这个包与matplotlib一起的，一般不用单独安装
from mpl_toolkits.mplot3d import Axes3D

#设置x y范围
x = np.arange(-5,5,0.1)
y = np.arange(-5,5,0.1)

#对x y数据执行网格化
x,y=np.meshgrid(x,y)

#绘制的函数
z = np.sqrt(x**2+y**2)

#创建Axes3D对象
ax = Axes3D(plt.figure())

#画图：以x y为定义域，z为目标函数的函数图像
#后面的参数是设置绘图为彩色
#可用color参数传入想要的颜色
ax.plot_surface(x,y,z,cmap=plt.get_cmap('rainbow'))

plt.show()