人工智能之数据分析 Matplotlib：第二章 Pyplot

人工智能之数据分析 Matplotlib

第二章 Pyplot

@
目录
人工智能之数据分析 Matplotlib
前言
一、导入方式
二、基本用法示例
1. 绘制简单折线图
2. 多条曲线 & 图例
3. 散点图（scatter）
4. 柱状图（bar）
三、常用 pyplot 函数
四、在 Jupyter Notebook 中使用
五、pyplot 与面向对象 API 的关系
六、小贴士
后续
资料关注

前言

pyplot 是 Matplotlib 库中最常用、最便捷的模块，提供了类似 MATLAB 的命令式绘图接口，非常适合快速绘制各种图表。它通过一系列函数自动管理图形（Figure）、坐标轴（Axes）等底层对象，让初学者也能轻松上手。

一、导入方式

通常使用以下方式导入：

import matplotlib.pyplot as plt

这是官方推荐的标准写法。

二、基本用法示例

1. 绘制简单折线图

import matplotlib.pyplot as pltx = [1, 2, 3, 4]
y = [1, 4, 2, 3]plt.plot(x, y)           # 绘制折线图
plt.title("Simple Line Plot")
plt.xlabel("X axis")
plt.ylabel("Y axis")
plt.show()

2. 多条曲线 & 图例

plt.plot([1, 2, 3], [1, 4, 9], label='x²')
plt.plot([1, 2, 3], [1, 2, 3], label='x')
plt.legend()  # 显示图例
plt.show()

3. 散点图（scatter）

plt.scatter([1, 2, 3, 4], [10, 20, 25, 30], color='red')
plt.title("Scatter Plot")
plt.show()

4. 柱状图（bar）

categories = ['A', 'B', 'C']
values = [3, 7, 5]
plt.bar(categories, values)
plt.title("Bar Chart")
plt.show()

三、常用 pyplot 函数

函数	作用
`plt.plot()`	绘制折线图或点线图
`plt.scatter()`	绘制散点图
`plt.bar()`/`plt.barh()`	垂直/水平柱状图
`plt.hist()`	直方图
`plt.pie()`	饼图
`plt.title()`	设置图表标题
`plt.xlabel()`/`plt.ylabel()`	设置坐标轴标签
`plt.xlim()`/`plt.ylim()`	设置坐标轴范围
`plt.legend()`	显示图例
`plt.grid()`	显示网格
`plt.savefig('file.png')`	保存图像到文件
`plt.show()`	显示图形（在脚本中必需，在 Jupyter 中可省略）

四、在 Jupyter Notebook 中使用

在 Jupyter 中，建议加上魔术命令以实现内联显示：

%matplotlib inline
import matplotlib.pyplot as plt

这样图表会直接嵌入在 notebook 单元格下方，无需弹出新窗口。

如果想交互式操作（如缩放、平移），可使用：
%matplotlib widget   # 需安装 ipympl: pip install ipympl

五、pyplot 与面向对象 API 的关系

虽然 pyplot 使用方便，但其背后仍是基于 Figure 和 Axes 对象 的面向对象结构。例如：

# 面向对象写法（更灵活）
fig, ax = plt.subplots()
ax.plot([1, 2, 3], [1, 4, 2])
ax.set_title("OO Style")
plt.show()

对于复杂图表（如多子图、精细控制），推荐使用面向对象方式；对于快速探索性绘图，pyplot 足够高效。

六、小贴士

所有 plt.xxx() 函数都会作用于“当前”坐标轴（current axes）。
每次调用 plt.figure() 或 plt.subplot() 会创建新的图形或子图。
使用 plt.clf() 清空当前图形，plt.close() 关闭图形窗口。

后续

本文主要介绍了Matplotlib的常见库Pyplot的基本操作。之前的python过渡项目部分代码已经上传至gitee，后续会逐步更新。

资料关注

公众号：咚咚王
gitee：https://gitee.com/wy18585051844/ai_learning

《Python编程：从入门到实践》
《利用Python进行数据分析》
《算法导论中文第三版》
《概率论与数理统计（第四版） (盛骤) 》
《程序员的数学》
《线性代数应该这样学第3版》
《微积分和数学分析引论》
《（西瓜书）周志华-机器学习》
《TensorFlow机器学习实战指南》
《Sklearn与TensorFlow机器学习实用指南》
《模式识别（第四版）》
《深度学习 deep learning》伊恩·古德费洛著花书
《Python深度学习第二版(中文版)【纯文本】 (登封大数据 (Francois Choliet)) (Z-Library)》
《深入浅出神经网络与深度学习+(迈克尔·尼尔森（Michael+Nielsen）》
《自然语言处理综论第2版》
《Natural-Language-Processing-with-PyTorch》
《计算机视觉-算法与应用(中文版)》
《Learning OpenCV 4》
《AIGC：智能创作时代》杜雨+&+张孜铭
《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》
《从零构建大语言模型（中文版）》
《实战AI大模型》
《AI 3.0》