数据处理三剑客——Matplotlib库

Matplotlib是Python中最基础且广泛使用的数据可视化库，提供了丰富的绘图功能及高度自定义的图形生成能力。其核心优势在于：

1. 多样的绘图类型：支持折线图、散点图、柱状图、饼图、等高线图等数十种可视化类型。
2. 灵活的定制能力：提供细粒度的图形元素控制，可调整字体、线条、颜色、标注等所有视觉属性。
3. 多后端支持：兼容多种输出格式（PNG、PDF、SVG等）及交互环境（Jupyter、Qt、GTK等），满足不同场景的展示需求。

一、Matplotlib库的安装

#pip方式安装Matplotlib库
#默认安装最新版本
pip install matplotlib

#安装指定的版本
pip install matplotlib==3.0.3

二、Matplotlib模块的基础应用

Matplotlib模块是一个第三方绘图库，在日常绘图中经常使用它的一个子库Pyplot，能够方便的进行2D图表的绘制，并且提供了与MATLAB（一个数学计算软件，统一了用于一维、二维与三维数值积分的函数）类似的绘图API。

# 导入Matplotlib模块的中的Pyplot子库
import matplotlib.pyplot as plt

Pyplot库中常用的绘制图表函数如下所示：

1. plot()：用于绘制线图或散点图（通过样式参数区分），是表示趋势和连续数据的常用方法。
2. bar()：用于绘制条形图（或称柱状图），支持垂直和水平两种方向，适用于分类数据的比较。
3. hist()：用于绘制直方图，直观展示数据的分布状况和频数。
4. pie()：用于绘制饼图，表现各部分占整体的比例关系。
5. scatter():用于绘制散点图，分析两个变量之间的相关性或分布。
6. imshow()：主要用于显示图像数据，可绘制二维数组表示的灰度图、彩色图，也常用于可视化热力图、矩阵或地理信息数据。
7. subplots()：这是创建子图的核心函数。通过指定行数、列数等参数，可以灵活控制子图的布局和尺寸，实现在单一窗口中同时排列和显示多个图表。

# Pyplot子库中用于绘制各类图表的示例代码

# 导入所需模块

import numpy as np

import matplotlib.pyplot as plt

import matplotlib

# 设置Matplotlib正常显示中文和负号

matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体为黑体

matplotlib.rcParams['axes.unicode_minus'] = False  # 解决保存图像时负号'-'显示为方块的问题



# 创建一个3x2的子图网格

fig, axs = plt.subplots(3, 2, figsize=(10, 10))



# 第一行第一列绘制线图

# 创建坐标数据

x = np.linspace(0, 10, 100)#点的x坐标，0-10的等差数列，个数为100，包含0不包含10

y = np.sin(x)#点的y坐标，根据x数据计算出符合正弦函数的y值

axs[0, 0].plot(x, y, label='sin(x)')

axs[0, 0].legend()#设置图例

axs[0, 0].set_title('线图')#设置图表的标题

axs[0, 0].set_xlabel('x')#设置x轴的标签名称

axs[0, 0].set_ylabel('sin(x)')#设置y轴的标签名称



# 第一行第二列绘制散点图

# 创建散点的坐标数据

x = np.random.rand(50)#散点的x轴坐标

y = np.random.rand(50)#散点的y轴坐标

axs[0, 1].scatter(x, y)

axs[0, 1].set_title('散点图')



# 第二行第一列绘制条形图

# 创建垂直条形图数据

categories = ['A', 'B', 'C', 'D']#条形的名称，x轴数据

values = [23, 45, 56, 78]#条形的值，y轴数据

axs[1, 0].bar(categories, values)

axs[1, 0].set_title('条形图')

axs[1, 0].set_xlabel('名称')

axs[1, 0].set_ylabel('数量')



# 第二行第二列绘制直方图

# 构建随机的标准正态分布数组，数组的元素个数为1000个

data = np.random.randn(1000)

axs[1, 1].hist(data)

axs[1, 1].set_title('直方图')



# 第三行第一列绘制饼图

# 创建饼图的数据

sizes = [15, 30, 45, 10]#每个块的大小

labels = ['Frogs', 'Hogs', 'Dogs', 'Logs']#每个块的名称

colors = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue']#每个块的颜色

explode = (0.1, 0, 0, 0)#块的显示方式，只让第一个“片”突出

axs[2, 0].pie(sizes, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%', shadow=True, startangle=140)

axs[2, 0].axis('equal')  # 确保饼图是圆形的

axs[2, 0].set_title('饼图')



# 第三行第二列绘制热力图

data = np.random.rand(10, 10)

im=axs[2, 1].imshow(data, cmap='hot')

fig.colorbar(im)  # 显示热力柱

axs[2, 1].set_title('热力图')



# 显示整个图形，并自动调整子图参数以填充整个图像区域

plt.tight_layout()

# 显示绘制的图像

plt.show()

三、标记的设置

一般可以使用plot（）方法中的marker参数来设置标记符号

标记	说明	符号
"."	marker参数设置为该标记后，数据点会显示为一个圆点
"^"	marker参数设置为该标记后，数据点会显示为一个向上的实心三角（中心点在标记中心）
"1"	marker参数设置为该标记后，数据点会显示为一个向下的三叉符号（中心点在标记中心）
"2"	marker参数设置为该标记后，数据点会显示为一个向上的三叉符号（中心点在标记中心）
"8"	marker参数设置为该标记后，数据点会显示为一个正八边形（中心点在标记中心）
"s"	marker参数设置为该标记后，数据点会显示为一个正方形（中心点在标记中心）
"X"	marker参数设置为该标记后，数据点会显示为乘号（垂填充）（中心点在标记中心）
"D"	marker参数设置为该标记后，数据点会显示为一个菱形（标准菱形）（中心点在标记中心）
"d"	marker参数设置为该标记后，数据点会显示为一个菱形（细长菱形）（中心点在标记中心）

绘图标记不仅可以通过marker参数进行设置，还可以通过fmt参数来进行设置，只是fmt参数的设置比较特殊，可以同时接受三个参数，分别用来设置标记的形状、线的样式、颜色。fmt参数的语法代码如下所示：

# fmt参数语法代码

fmt = '[marker][line][color]'

1. 第一个值marker表示标记的形状，可以设置的值可以参照上面表中字符串类型的值。
2. 第二个值line表示线的样式，'-'设置线的样式为实线；':'设置线的样式为虚线；'--'设置线的样式为破折线；'-.'设置线的样式为点划线。

第三个值color表示设置的颜色（应用与绘图标记与线），此种方式设置的颜色仅能使用内置的颜色值，例如，'r'表示红色等。

颜色标记	说明
'r'	红色
'g'	绿色
'b'	蓝色
'c'	青色
'm'	品红
'y'	黄色
'k'	黑色
'w'	白色

fmt参数方式设置绘图标记的示例代码如下所示：

# fmt方式设置绘图标记

# 创建数据点的y轴坐标

ypoints = np.array([6, 2, 13, 10])



plt.plot(ypoints, '^:r')

plt.show()

四、绘图线的设置

plot()方法在绘图过程中不仅可以对绘图标记进行自定义设置，也可以对绘图线进行自定义设置（包括线的大小、类型、颜色等）。

1. ls：该参数是linestyle的简写，用来进行绘图线样式的设置。参数值为“solid”表示线为实线，简写方式为“_”；参数值为“dotted”表示线为点虚线，简写方式为“:”；参数值为“dashdot”表示线为点划线，简写方式为“-.”；参数值为“dashed”表示线为破折线，简写方式为“--”；参数值为“None”表示不画线，简写方式为“ ”。
2. c：该参数是color的简写，用来设置绘图线的颜色。可以使用默认的颜色值（包含“r”、“g”、“b”等值），也可以其它的颜色格式（rgb值、十六进制颜色值等）。
3. lw：该参数是linewidth的简写，用来进行绘图线宽度的设置。值可以设置为整数或者浮点型。

对绘图线进行自定义设置的具体示例代码如下所示：

# 绘图线的自定设置示例

import matplotlib.pyplot as plt

import numpy as np



# 创建数据点的坐标数据

x = np.linspace(0, 10, 100)

y = np.sin(x)

y2=np.cos(x)



# 自定义线条样式：红色、虚线、线宽为2 sinx

plt.plot(x, y, c='r', ls='--', lw=2)



# 自定义线条样式：绿色、点划线、线宽为2 cosx

plt.plot(x, y2, c='g', ls='-.', lw=2)



# 显示图形

plt.show()

五、matplotlib中绘图对象的布局

在matplotlib中绘图对象可以划分为几层，其中最外层是Figure对象，可以看作一个画板对象，所以的内容都会绘制在这个“画板”上，一个Figure对象能够包含所有的子Axes对象。内层是Axes对象，是一个子图对象（可以理解为一个坐标系），由坐标轴、坐标轴标签、标题、绘图区域几部分组成。