Matplotlib学习

一、Matplotlib 库简介

Matplotlib 是 Python 中强大的数据可视化库，支持跨平台运行，能基于 NumPy 的 ndarray 数组绘制精美的 2D 图像。它的语法简单易懂，代码清晰，让开发者可以轻松地将数据转化为直观的可视化图表。

Matplotlib 图形主要由 Figure、Axes、Axis 和 Artist 组成：

• Figure：整个图形，就像一张画布，容纳了所有的绘图元素，包括标题、轴线等。
• Axes：绘制 2D 图像的实际区域，也叫轴域区或绘图区，是图形的核心部分。
• Axis：坐标系中的垂直轴与水平轴，包含轴长、轴标签和刻度标签，用于界定数据的展示范围和标注信息。
• Artist：画布上的所有元素，如文本对象（标题、轴标签）、Line2D 对象（用于绘制 2D 图像的线条）等，都属于 Artist 对象。

二、安装 Matplotlib

使用 pip 安装 Matplotlib 非常简单，在命令行中执行以下命令：

pip install matplotlib==3.3.4 -i https://pypi.tuna.tsinghua.edu.cn/simple/

上述命令指定安装版本为 3.3.4，并使用清华大学的镜像源加速下载。

三、Matplotlib 常用 API

3.1 绘图类型

Matplotlib 提供了丰富的绘图函数，用于创建各种类型的图表：

函数名称	描述
Bar	绘制条形图，用于比较不同类别数据的大小
Barh	绘制水平条形图，适合展示较多类别时的数据对比
Boxplot	绘制箱型图，展示数据的分布特征和统计信息
Hist	绘制直方图，展示数值数据的分布情况
his2d	绘制 2D 直方图，用于展示两个变量的联合分布
Pie	绘制饼状图，展示分类数据的占比情况
Plot	在坐标轴上画线或者标记，常用于绘制折线图
Polar	绘制极坐标图，适用于展示具有角度和半径关系的数据
Scatter	绘制 x 与 y 的散点图，展示两个变量之间的关系
Stackplot	绘制堆叠图，展示多个数据系列的累积情况
Stem	绘制二维离散数据（火柴图），突出离散数据点
Step	绘制阶梯图，适合展示数据的变化阶段
Quiver	绘制一个二维按箭头，用于展示向量场

3.2 Image 函数

处理图像数据时，Matplotlib 的 Image 函数很有用：

函数名称	描述
Imread	从文件中读取图像的数据并形成数组
Imsave	将数组另存为图像文件
Imshow	在数轴区域内显示图像

3.3 Axis 函数

Axis 函数用于对坐标轴进行设置和操作：

函数名称	描述
Axes	在画布 (Figure) 中添加轴
Text	向轴添加文本
Title	设置当前轴的标题
Xlabel	设置 x 轴标签
Xlim	获取或者设置 x 轴区间大小
Xscale	设置 x 轴缩放比例
Xticks	获取或设置 x 轴刻标和相应标签
Ylabel	设置 y 轴的标签
Ylim	获取或设置 y 轴的区间大小
Yscale	设置 y 轴的缩放比例
Yticks	获取或设置 y 轴的刻标和相应标签

四、Matplotlib 常用函数

4.1 plot 函数

pylab.plot用于绘制二维图形，可根据提供的 x 和 y 数据点绘制线条和 / 或标记。

import pylab

x = pylab.linspace(-6, 6, 40)
y = x**2
pylab.plot(x, y, 'r:')
pylab.show()

上述代码使用linspace生成等差数列作为 x 轴数据，计算对应的 y 轴数据后，用红色点线绘制图形。

4.2 figure 函数

figure()函数用于实例化 figure 对象，可设置图形样式。figure.add_axes()用于在画布中添加轴域对象，axes.legend()用于添加图例，方便识别不同数据系列。

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(figsize=(8, 6))
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)
plt.savefig('test.png')
plt.show()

4.3 subplot 相关函数

subplot是较早期的函数，用于创建并返回子图对象，通常用于创建网格状子图布局。add_subplot是 Figure 类的方法，更灵活，推荐使用。subplots函数可创建包含多个子图的图形窗口，返回包含所有子图的数组，方便操作。subplot2grid函数允许更灵活地指定子图位置和大小，创建复杂布局。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
fig, axs = plt.subplots(1, 3, figsize=(12, 4))
axs[0].plot(x, y1, label='sin(x)')
axs[0].set_title('Sine Wave')
axs[1].plot(x, y2, label='cos(x)')
axs[1].set_title('Cosine Wave')
axs[2].plot(x, y3, label='tan(x)')
axs[2].set_title('Tangent Wave')
for ax in axs:
    ax.set_xlabel('X-axis')
    ax.set_ylabel('Y-axis')
    ax.legend()
plt.tight_layout()
plt.show()

4.4 其他常用函数

• grid 函数：用于在图形中添加网格线，帮助读者理解数据分布和趋势。
• xscale 和 yscale 函数：设置坐标轴的刻度类型，如线性刻度、对数刻度等。
• set_xlim 和 set_ylim 函数：设置坐标轴的范围。
• set_xticks 和 set_yticks 函数：手动指定坐标轴的刻度位置。
• twinx 和 twiny 函数：在同一个图形中创建共享 X 轴或 Y 轴的多个子图。

五、常见图表绘制

Matplotlib 可以绘制多种常见图表：

• 柱状图：展示分类数据的分布情况，有普通柱状图、堆叠柱状图和分组柱状图等形式。
• 直方图：展示数值数据的分布。
• 饼图：展示分类数据的占比。
• 折线图：通过plot函数绘制，展示数据的变化趋势。
• 散点图：展示两个变量之间的关系。

柱状图举例：

import matplotlib.pyplot as plt
import numpy as np

# 定义柱状图的标签
labels = ['A', 'B', 'C', 'D', 'E']
# 定义每个柱子对应的数值
sizes = [20, 35, 30, 25, 40]

# 设置图形的大小
plt.figure(figsize=(8, 6))

# 创建柱状图
plt.bar(labels, sizes, color='skyblue')

# 添加标题和坐标轴标签
plt.title('Simple Bar Chart')
plt.xlabel('Categories')
plt.ylabel('Values')

# 显示图形
plt.show()

六、标题中文乱码处理

局部处理：

当标题设置为中文时，可能会出现乱码。局部处理可通过修改rcParams实现：

plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

全局处理：

首先，找到 matplotlibrc 文件的位置，可以使用以下代码：

import matplotlib
print(matplotlib.matplotlib_fname())

然后，修改 matplotlibrc 文件，找到 font.family 和 font.sans-serif 项，设置为支持中文的字

体，如 SimHei。 同时，设置 axes.unicode_minus 为 False 以正常显示负号。