Python matplotlib 画图入门示例01

参考：

https://www.cnblogs.com/emanlee/p/16025425.html

 

Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。
Matplotlib 可以用来绘制各种静态，动态，交互式的图表。
Matplotlib 是一个非常强大的 Python 画图工具，我们可以使用该工具将很多数据通过图表的形式更直观的呈现出来。
Matplotlib 可以绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等等。
Matplotlib 通常与 NumPy 和 SciPy（Scientific Python）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。
SciPy 是一个开源的 Python 算法库和数学工具包。SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。

安装 Matplotlib

pip install matplotlib

 

import matplotlib.pyplot as plt
import numpy as npx = np.linspace(0, 2 * np.pi, 200)
y = np.sin(x)fig, ax = plt.subplots()
ax.plot(x, y)
plt.show()

函数subplots()可以在一张画布上添加多个图形。画布命令为“fig”，坐标系“ax”负责调用plot()。
在命令行模式下，图形暂时存放在后台，只有调用plt.show()函数，才能弹出新窗口，把图形显示出来。

import matplotlib.pyplot as plt
import numpy as npx = np.linspace ( 0, 2 * np.pi, 200 )
y = np.sin ( x )plt.plot ( x, y )
plt.show ( )

 

Parts of a Figure图形的各个部分的名称

 

Plot types>Pairwise data成对数据>plot(x, y)

Plot y versus x as lines and/or markers.
将 y 与 x 的关系绘制为线条和/或标记。

import matplotlib.pyplot as plt
import numpy as npplt.style.use('_mpl-gallery')# make data
x = np.linspace(0, 10, 100)
y = 4 + 1 * np.sin(2 * x)
x2 = np.linspace(0, 10, 25)
y2 = 4 + 1 * np.sin(2 * x2)# plot
fig, ax = plt.subplots()ax.plot(x2, y2 + 2.5, 'x', markeredgewidth=2)
ax.plot(x, y, linewidth=2.0)
ax.plot(x2, y2 - 2.5, 'o-', linewidth=2)ax.set(xlim=(0,8), xticks=np.arange(1,8),ylim=(0,8), yticks=np.arange(1,8))plt.show()

 

 这段代码使用 matplotlib 和 numpy 绘制了一个包含三条曲线的图表，主要展示了正弦函数的不同表现形式。下面是逐部分的详细解释：

1. 导入库 

import matplotlib.pyplot as plt  # 导入matplotlib绘图库，简写为plt
import numpy as np               # 导入numpy数值计算库，简写为np 

2. 设置绘图风格

plt.style.use('_mpl-gallery')  # 使用matplotlib内置的"_mpl-gallery"风格  

_mpl-gallery 是一种简洁的绘图风格，适合展示示例图表，会自动调整线条、刻度等样式。

3. 生成数据

# 生成x轴数据：从0到10均匀取100个点（密集点，用于绘制平滑曲线）
x = np.linspace(0, 10, 100)
# 计算对应的y值：基于正弦函数 y = 4 + sin(2x)（基础正弦曲线）
y = 4 + 1 * np.sin(2 * x)# 生成另一组x轴数据：从0到10均匀取25个点（稀疏点，用于绘制离散标记）
x2 = np.linspace(0, 10, 25)
# 计算对应的y值：与上面的正弦函数公式相同，只是基于稀疏的x2
y2 = 4 + 1 * np.sin(2 * x2) 

4. 创建图表和轴对象

fig, ax = plt.subplots()  # 创建一个图表(fig)和一个轴对象(ax) 

plt.subplots() 是创建图表的常用方式，fig 代表整个图表，ax 代表图表中的坐标轴（用于绘图的区域）。

5. 绘制三条曲线

# 1. 绘制离散的"x"标记：基于x2、y2+2.5（上移2.5单位），标记边缘宽度为2
ax.plot(x2, y2 + 2.5, 'x', markeredgewidth=2)# 2. 绘制平滑曲线：基于密集的x、y，线宽为2.0（基础正弦曲线）
ax.plot(x, y, linewidth=2.0)# 3. 绘制"圆点+连线"：基于x2、y2-2.5（下移2.5单位），线宽为2
ax.plot(x2, y2 - 2.5, 'o-', linewidth=2) 

• 'x'：指定标记样式为叉号（无连线，仅离散点）
• 'o-'：指定标记样式为圆点，且点之间用直线连接
• linewidth/markeredgewidth：控制线条 / 标记边缘的宽度

6. 设置坐标轴范围和刻度

ax.set(xlim=(0, 8),        # x轴显示范围：0到8xticks=np.arange(1, 8),  # x轴刻度：1,2,3,4,5,6,7ylim=(0, 8),        # y轴显示范围：0到8yticks=np.arange(1, 8)   # y轴刻度：1,2,3,4,5,6,7
) 

通过 ax.set() 统一设置坐标轴参数，使图表聚焦在 (0,0) 到 (8,8) 的区域，刻度间隔为 1。

7. 显示图表

plt.show()  # 弹出窗口显示绘制的图表 

最终效果

图表中会有三条线： 

• 上方：离散的叉号（x），对应上移后的正弦函数
• 中间：平滑的曲线，对应原始正弦函数
• 下方：圆点 + 连线，对应下移后的正弦函数 

整体展示了正弦函数的波形特征，以及不同数据密度和标记样式的绘图效果。

 

 

Plot types>Pairwise data成对数据>scatter(x, y)

A scatter plot of y vs. x with varying marker size and/or color.
y 与 x 的散点图，具有不同的标记大小和/或颜色。

import matplotlib.pyplot as plt
import numpy as npplt.style.use('_mpl-gallery')# make the data
np.random.seed(3)
x = 4 + np.random.normal(0, 2, 24)
y = 4 + np.random.normal(0, 2, len(x))
# size and color:
sizes = np.random.uniform(15, 80, len(x))
colors = np.random.uniform(15, 80, len(x))# plot
fig, ax = plt.subplots()ax.scatter(x, y, s=sizes, c=colors, vmin=0, vmax=100)ax.set(xlim=(0,8), xticks=np.arange(1,8),ylim=(0,8), yticks=np.arange(1,8))plt.show()

 

上面这段代码使用 matplotlib 和 numpy 绘制了一个散点图，通过随机数据展示了不同大小和颜色的散点分布。以下是详细解释：

1. 导入库与设置风格

import matplotlib.pyplot as plt  # 导入绘图库
import numpy as np               # 导入数值计算库plt.style.use('_mpl-gallery')    # 使用简洁的"_mpl-gallery"绘图风格

 

2. 生成随机数据

np.random.seed(3)  # 设置随机种子，确保每次运行生成相同的随机数（便于复现结果）# 生成x轴数据：均值为4、标准差为2的正态分布，共24个点（范围大致在0-8之间）
x = 4 + np.random.normal(0, 2, 24)# 生成y轴数据：与x同长度，同样是均值4、标准差2的正态分布
y = 4 + np.random.normal(0, 2, len(x))  # len(x)=24，所以y也有24个点# 生成散点的大小：24个在15到80之间的随机数（均匀分布）
sizes = np.random.uniform(15, 80, len(x))# 生成散点的颜色值：24个在15到80之间的随机数（均匀分布，用于映射颜色）
colors = np.random.uniform(15, 80, len(x))

 

3. 创建图表与绘制散点图

fig, ax = plt.subplots()  # 创建图表(fig)和坐标轴(ax)# 绘制散点图
ax.scatter(x, y,              # x和y坐标数据（决定散点的位置）s=sizes,           # 散点大小（s参数接收数组，每个点的大小对应sizes中的值）c=colors,          # 散点颜色（c参数接收数组，值映射到颜色条）vmin=0, vmax=100   # 颜色映射的范围（0到100，用于统一颜色刻度）
) 

• scatter 是绘制散点图的核心函数，每个点的位置由 (x[i], y[i]) 决定。
• 点的大小随 sizes 数组变化（值越大，点越大）。
• 点的颜色随 colors 数组变化（值通过颜色映射表转换为实际颜色，vmin/vmax 固定了颜色映射的上下限）。

4. 设置坐标轴参数

ax.set(xlim=(0, 8),        # x轴显示范围：0到8xticks=np.arange(1, 8),  # x轴刻度：1,2,3,4,5,6,7ylim=(0, 8),        # y轴显示范围：0到8yticks=np.arange(1, 8)   # y轴刻度：1,2,3,4,5,6,7
) 

将坐标轴范围限制在 0-8，刻度间隔为 1，使散点集中展示在该区域。

5. 显示图表

plt.show()  # 弹出窗口显示绘制的散点图 

最终效果

图表中会显示 24 个散点，特点是： 

• 位置随机分布在 (0-8, 0-8) 范围内（因数据基于均值 4 的正态分布，多数点集中在中间区域）。
• 每个点的大小不同（15 到 80 之间随机）。
• 每个点的颜色不同（基于 15 到 80 的数值映射，通常颜色条会自动显示在旁边，用于说明颜色对应的数值）。 

整体呈现了一组带有大小和颜色维度的随机分布散点，适合展示多维数据的分布特征。

 

 

Plot types>Pairwise data成对数据>bar( )

import matplotlib.pyplot as plt
import numpy as npplt.style.use('_mpl-gallery')# make data:
x = 0.5 + np.arange(8)
y = [4.8, 5.5, 3.5, 4.6, 6.5, 6.6, 2.6, 3.0]# plot
fig, ax = plt.subplots()ax.bar(x, y, width=1, edgecolor="white", linewidth=0.7)ax.set(xlim=(0, 8), xticks=np.arange(1, 8),ylim=(0, 8), yticks=np.arange(1, 8))plt.show()

 这段代码使用 matplotlib 和 numpy 绘制了一个柱状图，展示了一组离散数据的分布。以下是详细解释：

1. 导入库与设置风格

import matplotlib.pyplot as plt  # 导入绘图库
import numpy as np               # 导入数值计算库plt.style.use('_mpl-gallery')    # 使用简洁的"_mpl-gallery"绘图风格，统一图表样式 

2. 准备数据

# x轴数据：从0.5开始，生成8个连续整数（0.5, 1.5, 2.5, ..., 7.5）
# 作用是确定每个柱子的中心位置
x = 0.5 + np.arange(8)# y轴数据：8个数值，对应每个柱子的高度
y = [4.8, 5.5, 3.5, 4.6, 6.5, 6.6, 2.6, 3.0] 

• np.arange(8) 生成 [0,1,2,3,4,5,6,7]，加 0.5 后得到 [0.5,1.5,...,7.5]，确保柱子在后续设置的刻度中间对齐。

3. 创建图表与绘制柱状图

fig, ax = plt.subplots()  # 创建图表(fig)和坐标轴(ax)# 绘制柱状图
ax.bar(x, y,               # x是柱子的中心位置，y是柱子高度width=1,            # 柱子宽度为1（与x轴数据间隔匹配，避免重叠或间隙）edgecolor="white",  # 柱子边缘颜色为白色linewidth=0.7       # 柱子边缘线宽为0.7
) 

• ax.bar 是绘制柱状图的核心函数，每个柱子的位置由 x 决定，高度由 y 决定。
• width=1 配合 x 的间隔（相邻 x 值差 1），使柱子紧密排列且无重叠。
• 白色边缘线让每个柱子的边界更清晰。

4. 设置坐标轴参数

ax.set(xlim=(0, 8),        # x轴显示范围：0到8（覆盖所有柱子的位置）xticks=np.arange(1, 8),  # x轴刻度：1,2,3,4,5,6,7（对应8个柱子的大致位置）ylim=(0, 8),        # y轴显示范围：0到8（覆盖y值的最大值6.6）yticks=np.arange(1, 8)   # y轴刻度：1到7，间隔为1
) 

通过限制坐标轴范围和设置刻度，使柱状图展示更集中，刻度与数据范围匹配。

5. 显示图表 

plt.show()  # 弹出窗口显示绘制的柱状图 

最终效果

图表中会显示 8 个垂直柱子，特点是： 

• 每个柱子的高度对应 y 中的数值（例如第一个柱子高 4.8，第六个最高为 6.6）。
• 柱子宽度为 1，紧密排列，边缘有白色细线。
• x 轴刻度为 1 到 7，y 轴刻度为 1 到 7，整体风格简洁清晰，突出数据对比。 

该图表适合直观展示多组离散数据的大小差异。