Matplotlib

Matplotlib 是 Python 中最流行的数据可视化库,提供了完整的绘图系统,可以创建各种高质量的图表。它是 Python 科学计算生态系统的重要组成部分。

简介

Matplotlib 特性

Matplotlib 核心特性:

丰富图表类型: 折线图、散点图、柱状图、饼图等
完全自定义: 控制图表的每个细节
多种输出格式: PNG、PDF、SVG、EPS 等
高质量输出: 适合出版级别的图表
面向对象: 清晰的图表结构
交互式图表: 支持缩放、平移等交互
动画支持: 创建动态图表
集成性好: 与 NumPy、Pandas 无缝集成

适用场景:

数据探索和分析
科学研究可视化
统计图表制作
机器学习结果展示
时间序列可视化
地理数据可视化

安装 Matplotlib

# 创建虚拟环境
python -m venv venv

# Windows 激活
venv\Scripts\activate

# Linux/Mac 激活
source venv/bin/activate

# 安装 Matplotlib
pip install matplotlib

# 安装特定版本
pip install matplotlib==3.7.0

# 安装常用扩展
pip install seaborn         # 高级统计图表
pip install plotly          # 交互式图表

# 查看版本
python -c "import matplotlib; print(matplotlib.__version__)"

快速开始

导入和配置

import matplotlib.pyplot as plt
import numpy as np

# 查看版本
print(plt.matplotlib.__version__)

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

# 设置图表大小
plt.rcParams['figure.figsize'] = (10, 6)

# 设置分辨率
plt.rcParams['figure.dpi'] = 100

# 设置样式
plt.style.use('seaborn')  # 使用 seaborn 样式

# 查看可用样式
print(plt.style.available)

# 恢复默认设置
plt.rcdefaults()

基础图表

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图表
plt.figure(figsize=(10, 6))
plt.plot(x, y)
plt.title('正弦波')
plt.xlabel('x')
plt.ylabel('sin(x)')
plt.grid(True)
plt.show()

基础绘图

figure与axes

import matplotlib.pyplot as plt
import numpy as np

# 方式1: 使用 pyplot(简单)
plt.figure(figsize=(10, 6))
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])
plt.title('简单图表')
plt.show()

# 方式2: 面向对象(推荐)
fig, ax = plt.subplots(figsize=(10, 6))
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])
ax.set_title('面向对象图表')
ax.set_xlabel('x')
ax.set_ylabel('y')
plt.show()

# 多个子图
fig, axes = plt.subplots(2, 2, figsize=(12, 8))
axes[0, 0].plot([1, 2, 3], [1, 2, 1])
axes[0, 1].scatter([1, 2, 3], [2, 1, 3])
axes[1, 0].bar(['A', 'B', 'C'], [3, 2, 1])
axes[1, 1].hist([1, 2, 2, 3, 3, 3], bins=3)
plt.tight_layout()
plt.show()

plot 折线图

import matplotlib.pyplot as plt
import numpy as np

# 基本折线图
x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.figure(figsize=(10, 6))
plt.plot(x, y)
plt.show()

# 多条线
plt.figure(figsize=(10, 6))
plt.plot(x, np.sin(x), label='sin(x)')
plt.plot(x, np.cos(x), label='cos(x)')
plt.legend()
plt.show()

# 自定义样式
plt.figure(figsize=(10, 6))
plt.plot(x, np.sin(x),
    color='blue',           # 颜色
    linestyle='-',          # 线型
    linewidth=2,            # 线宽
    marker='o',             # 标记
    markersize=5,           # 标记大小
    label='sin(x)'
)
plt.plot(x, np.cos(x),
    color='red',
    linestyle='--',
    linewidth=2,
    marker='s',
    label='cos(x)'
)
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

scatter 散点图

import matplotlib.pyplot as plt
import numpy as np

# 基本散点图
x = np.random.randn(100)
y = np.random.randn(100)

plt.figure(figsize=(10, 6))
plt.scatter(x, y)
plt.show()

# 带大小和颜色的散点图
x = np.random.randn(100)
y = np.random.randn(100)
colors = np.random.rand(100)
sizes = 1000 * np.random.rand(100)

plt.figure(figsize=(10, 6))
plt.scatter(x, y,
    c=colors,              # 颜色
    s=sizes,               # 大小
    alpha=0.6,             # 透明度
    cmap='viridis'         # 颜色映射
)
plt.colorbar()             # 颜色条
plt.show()

# 多个类别
x1 = np.random.randn(50)
y1 = np.random.randn(50)
x2 = np.random.randn(50) + 2
y2 = np.random.randn(50) + 2

plt.figure(figsize=(10, 6))
plt.scatter(x1, y1, label='类别1', alpha=0.6)
plt.scatter(x2, y2, label='类别2', alpha=0.6)
plt.legend()
plt.show()

bar 柱状图

import matplotlib.pyplot as plt
import numpy as np

# 基本柱状图
categories = ['A', 'B', 'C', 'D', 'E']
values = [23, 45, 56, 78, 32]

plt.figure(figsize=(10, 6))
plt.bar(categories, values)
plt.show()

# 水平柱状图
plt.figure(figsize=(10, 6))
plt.barh(categories, values)
plt.show()

# 分组柱状图
x = np.arange(5)
values1 = [23, 45, 56, 78, 32]
values2 = [17, 53, 42, 65, 48]
width = 0.35

fig, ax = plt.subplots(figsize=(10, 6))
rects1 = ax.bar(x - width/2, values1, width, label='组1')
rects2 = ax.bar(x + width/2, values2, width, label='组2')
ax.set_xticks(x)
ax.set_xticklabels(categories)
ax.legend()
plt.show()

# 堆叠柱状图
fig, ax = plt.subplots(figsize=(10, 6))
ax.bar(categories, values1, label='组1')
ax.bar(categories, values2, bottom=values1, label='组2')
ax.legend()
plt.show()

histogram 直方图

import matplotlib.pyplot as plt
import numpy as np

# 基本直方图
data = np.random.randn(1000)

plt.figure(figsize=(10, 6))
plt.hist(data, bins=30)
plt.show()

# 自定义直方图
plt.figure(figsize=(10, 6))
plt.hist(data,
    bins=50,               # 箱数
    density=True,          # 归一化
    alpha=0.7,             # 透明度
    color='skyblue',       # 颜色
    edgecolor='black'      # 边缘颜色
)
plt.show()

# 多个直方图
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 1000)

plt.figure(figsize=(10, 6))
plt.hist(data1, bins=30, alpha=0.5, label='数据1')
plt.hist(data2, bins=30, alpha=0.5, label='数据2')
plt.legend()
plt.show()

图表装饰

标题与标签

import matplotlib.pyplot as plt
import numpy as np

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

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y)

# 标题
ax.set_title('正弦波', fontsize=16, fontweight='bold')

# 坐标轴标签
ax.set_xlabel('x 轴', fontsize=12)
ax.set_ylabel('y 轴', fontsize=12)

# 刻度标签
ax.set_xticks([0, 2, 4, 6, 8, 10])
ax.set_xticklabels(['0', '2π', '4π', '6π', '8π', '10π'])

plt.show()

图例

import matplotlib.pyplot as plt
import numpy as np

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

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, np.sin(x), label='sin(x)')
ax.plot(x, np.cos(x), label='cos(x)')
ax.plot(x, np.tan(x), label='tan(x)')

# 添加图例
ax.legend(
    loc='upper right',     # 位置
    fontsize=10,           # 字体大小
    framealpha=0.9,        # 透明度
    shadow=True,           # 阴影
    ncol=2                 # 列数
)

plt.show()

网格

import matplotlib.pyplot as plt
import numpy as np

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

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y)

# 添加网格
ax.grid(
    True,                 # 显示网格
    linestyle='--',        # 线型
    alpha=0.5,             # 透明度
    color='gray',          # 颜色
    linewidth=0.5          # 线宽
)

plt.show()

颜色与样式

import matplotlib.pyplot as plt
import numpy as np

# 颜色
colors = ['red', 'blue', 'green', 'orange', 'purple']
# 或使用十六进制
colors_hex = ['#FF0000', '#0000FF', '#00FF00', '#FFA500', '#800080']
# 或使用 RGB
colors_rgb = [(1, 0, 0), (0, 0, 1), (0, 1, 0)]

# 线型
linestyles = ['-', '--', '-.', ':', 'None']

# 标记
markers = ['o', 's', '^', 'D', 'v', 'p', '*', '+', 'x']

# 示例
x = np.linspace(0, 10, 50)
fig, ax = plt.subplots(figsize=(10, 6))

ax.plot(x, np.sin(x), color='red', linestyle='-', marker='o', label='样式1')
ax.plot(x, np.cos(x), color='blue', linestyle='--', marker='s', label='样式2')
ax.plot(x, np.sin(x+1), color='green', linestyle='-.', marker='^', label='样式3')

ax.legend()
plt.show()

子图

subplot

import matplotlib.pyplot as plt
import numpy as np

# 创建子图
fig = plt.figure(figsize=(12, 8))

# 2行2列的第1个子图
plt.subplot(2, 2, 1)
plt.plot([1, 2, 3], [1, 2, 1])
plt.title('子图1')

# 2行2列的第2个子图
plt.subplot(2, 2, 2)
plt.scatter([1, 2, 3], [2, 1, 3])
plt.title('子图2')

# 2行2列的第3个子图
plt.subplot(2, 2, 3)
plt.bar(['A', 'B', 'C'], [3, 2, 1])
plt.title('子图3')

# 2行2列的第4个子图
plt.subplot(2, 2, 4)
plt.hist([1, 2, 2, 3, 3, 3], bins=3)
plt.title('子图4')

plt.tight_layout()
plt.show()

subplots

import matplotlib.pyplot as plt
import numpy as np

# 创建2x2子图
fig, axes = plt.subplots(2, 2, figsize=(12, 8))

axes[0, 0].plot([1, 2, 3], [1, 2, 1])
axes[0, 0].set_title('折线图')

axes[0, 1].scatter([1, 2, 3], [2, 1, 3])
axes[0, 1].set_title('散点图')

axes[1, 0].bar(['A', 'B', 'C'], [3, 2, 1])
axes[1, 0].set_title('柱状图')

axes[1, 1].hist([1, 2, 2, 3, 3, 3], bins=3)
axes[1, 1].set_title('直方图')

plt.tight_layout()
plt.show()

# 不同大小的子图
fig = plt.figure(figsize=(12, 8))
gs = fig.add_gridspec(2, 2)

# 大图占据上面两列
ax1 = fig.add_subplot(gs[0, :])
ax1.plot(np.random.randn(100))

# 下面两个小图
ax2 = fig.add_subplot(gs[1, 0])
ax2.scatter(np.random.randn(50), np.random.randn(50))

ax3 = fig.add_subplot(gs[1, 1])
ax3.bar(['A', 'B'], [3, 2])

plt.tight_layout()
plt.show()

嵌套图

import matplotlib.pyplot as plt
import numpy as np

# 在图中创建小图
fig, ax = plt.subplots(figsize=(10, 6))

# 主图
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])

# 创建嵌入的坐标轴
ax_inset = ax.inset_axes([0.6, 0.5, 0.3, 0.3])  # [x, y, width, height]
ax_inset.scatter([1, 2, 3], [2, 1, 3], color='red')
ax_inset.set_title('嵌入图')

plt.show()

高级图表

面积图

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

fig, ax = plt.subplots(figsize=(10, 6))

# 填充区域
ax.fill_between(x, y1, y2, alpha=0.3, label='区域')
ax.plot(x, y1, label='sin(x)')
ax.plot(x, y2, label='cos(x)')
ax.legend()

plt.show()

饼图

import matplotlib.pyplot as plt

# 基本饼图
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
colors = ['#ff9999','#66b3ff','#99ff99','#ffcc99']

fig, ax = plt.subplots(figsize=(10, 6))
ax.pie(sizes,
    labels=labels,
    colors=colors,
    autopct='%1.1f%%',      # 百分比格式
    startangle=90,          # 起始角度
    explode=(0, 0.1, 0, 0), # 突出显示
    shadow=True             # 阴影
)
ax.set_title('饼图')
plt.show()

箱线图

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
data = [np.random.normal(0, std, 100) for std in range(1, 4)]

fig, ax = plt.subplots(figsize=(10, 6))

# 箱线图
bp = ax.boxplot(data,
    patch_artist=True,     # 填充颜色
    labels=['A', 'B', 'C'],
    showmeans=True,        # 显示均值
    showfliers=True        # 显示异常值
)

# 自定义颜色
colors = ['#FF9999', '#66B3FF', '#99FF99']
for patch, color in zip(bp['boxes'], colors):
    patch.set_facecolor(color)

ax.set_title('箱线图')
plt.show()

热力图

import matplotlib.pyplot as plt
import numpy as np

# 生成相关矩阵
data = np.random.rand(10, 10)

fig, ax = plt.subplots(figsize=(10, 8))

# 热力图
im = ax.imshow(data, cmap='coolwarm')

# 添加颜色条
cbar = ax.figure.colorbar(im, ax=ax)
cbar.set_label('值', rotation=270, labelpad=20)

# 设置刻度
ax.set_xticks(range(10))
ax.set_yticks(range(10))

# 添加数值标注
for i in range(10):
    for j in range(10):
        text = ax.text(j, i, f'{data[i, j]:.2f}',
            ha='center', va='center', color='black')

ax.set_title('热力图')
plt.show()

3D图表

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

# 创建3D图形
fig = plt.figure(figsize=(10, 6))
ax = fig.add_subplot(111, projection='3d')

# 生成数据
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

# 绘制曲面
surf = ax.plot_surface(X, Y, Z, cmap='viridis')

# 添加颜色条
fig.colorbar(surf)

ax.set_title('3D曲面图')
plt.show()

样式定制

颜色映射

import matplotlib.pyplot as plt
import numpy as np

# 查看所有颜色映射
print(plt.colormaps())

# 常用颜色映射
cmaps = ['viridis', 'plasma', 'inferno', 'magma', 'cividis']
cmaps += ['Greens', 'Blues', 'Reds', 'Purples']
cmaps += ['coolwarm', 'RdBu', 'RdYlBu', 'Spectral']

# 示例
data = np.random.rand(10, 10)

fig, axes = plt.subplots(2, 3, figsize=(15, 10))
for ax, cmap in zip(axes.flat, ['viridis', 'plasma', 'inferno', 'coolwarm', 'Blues', 'Reds']):
    im = ax.imshow(data, cmap=cmap)
    ax.set_title(cmap)
    plt.colorbar(im, ax=ax)

plt.tight_layout()
plt.show()

线型与标记

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 20)

fig, ax = plt.subplots(figsize=(12, 6))

# 不同线型
linestyles = ['-', '--', '-.', ':']
for i, ls in enumerate(linestyles):
    ax.plot(x, np.sin(x) + i, linestyle=ls, linewidth=2, label=ls)

# 不同标记
markers = ['o', 's', '^', 'D', 'v', 'p', '*', '+', 'x']
for i, marker in enumerate(markers):
    ax.plot(x, np.cos(x) + i + 4, marker=marker, markersize=8, label=marker)

ax.legend(ncol=2, loc='upper right')
ax.set_title('线型和标记')
plt.show()

文本与注释

import matplotlib.pyplot as plt
import numpy as np

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

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y)

# 添加文本
ax.text(5, 0.5, '峰值', fontsize=12, color='red')

# 添加注释
ax.annotate('最大值',
    xy=(np.pi/2, 1),            # 箭头指向位置
    xytext=(2, 1.3),            # 文本位置
    arrowprops=dict(facecolor='black', arrowstyle='->'),
    fontsize=12
)

# 添加箭头
ax.annotate('',
    xy=(5*np.pi/2, -1),
    xytext=(4, -0.5),
    arrowprops=dict(facecolor='red', shrink=0.05)
)

plt.show()

保存图表

保存图片

import matplotlib.pyplot as plt
import numpy as np

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

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y)

# 保存为PNG
plt.savefig('figure.png',
    dpi=300,                # 分辨率
    bbox_inches='tight',    # 紧凑边界
    facecolor='white',       # 背景色
    edgecolor='none'         # 无边框
)

# 保存为PDF
plt.savefig('figure.pdf')

# 保存为SVG
plt.savefig('figure.svg')

# 保存为EPS
plt.savefig('figure.eps')

Seaborn

样式设置

import seaborn as sns
import matplotlib.pyplot as plt

# 设置样式
sns.set_style('whitegrid')    # whitegrid, darkgrid, white, dark, ticks
sns.set_context('paper')      # paper, notebook, talk, poster

# 设置调色板
sns.set_palette('husl')       # husl, Paired, Set1, Set2, etc.

# 创建示例图表
tips = sns.load_dataset('tips')
sns.relplot(x='total_bill', y='tip', data=tips)
plt.show()

统计图表

import seaborn as sns
import matplotlib.pyplot as plt

# 加载数据
tips = sns.load_dataset('tips')

# 散点图
fig, ax = plt.subplots(figsize=(10, 6))
sns.scatterplot(x='total_bill', y='tip', hue='sex', data=tips, ax=ax)
plt.show()

# 折线图
fmri = sns.load_dataset('fmri')
fig, ax = plt.subplots(figsize=(10, 6))
sns.lineplot(x='timepoint', y='signal', hue='event', data=fmri, ax=ax)
plt.show()

分布图

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

# 生成数据
data = np.random.randn(1000)

# 直方图+KDE
fig, axes = plt.subplots(2, 2, figsize=(12, 10))

sns.histplot(data, kde=True, ax=axes[0, 0])
axes[0, 0].set_title('直方图+KDE')

# KDE图
sns.kdeplot(data, ax=axes[0, 1])
axes[0, 1].set_title('KDE图')

# 累积分布
sns.ecdfplot(data, ax=axes[1, 0])
axes[1, 0].set_title('累积分布')

# 小提琴图
tips = sns.load_dataset('tips')
sns.violinplot(x='day', y='total_bill', data=tips, ax=axes[1, 1])
axes[1, 1].set_title('小提琴图')

plt.tight_layout()
plt.show()

分类图

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, axes = plt.subplots(2, 2, figsize=(12, 10))

# 箱线图
sns.boxplot(x='day', y='total_bill', data=tips, ax=axes[0, 0])
axes[0, 0].set_title('箱线图')

# 小提琴图
sns.violinplot(x='day', y='total_bill', data=tips, ax=axes[0, 1])
axes[0, 1].set_title('小提琴图')

# 条形图
sns.barplot(x='day', y='total_bill', data=tips, ax=axes[1, 0])
axes[1, 0].set_title('条形图')

# 点图
sns.pointplot(x='day', y='total_bill', data=tips, ax=axes[1, 1])
axes[1, 1].set_title('点图')

plt.tight_layout()
plt.show()

回归图

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

fig, axes = plt.subplots(1, 2, figsize=(12, 6))

# 线性回归图
sns.regplot(x='total_bill', y='tip', data=tips, ax=axes[0])
axes[0].set_title('线性回归')

# 多项式回归
sns.regplot(x='total_bill', y='tip', data=tips, order=2, ax=axes[1])
axes[1].set_title('多项式回归')

plt.tight_layout()
plt.show()

热力图与矩阵图

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

# 生成相关矩阵
data = np.random.rand(10, 10)

fig, axes = plt.subplots(1, 2, figsize=(14, 6))

# 热力图
sns.heatmap(data, annot=True, fmt='.2f', cmap='coolwarm', ax=axes[0])
axes[0].set_title('热力图')

# 聚类热力图
sns.clustermap(data, cmap='viridis')
plt.suptitle('聚类热力图', y=1.02)

plt.show()

配对图

import seaborn as sns
import matplotlib.pyplot as plt

# 加载鸢尾花数据集
iris = sns.load_dataset('iris')

# 配对图
sns.pairplot(iris, hue='species')
plt.show()

# 只选择特定变量
sns.pairplot(iris, vars=['sepal_length', 'sepal_width', 'petal_length'], hue='species')
plt.show()

最佳实践

编码规范

import matplotlib.pyplot as plt
import numpy as np

# 推荐的绘图流程

# 1. 准备数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 2. 创建图形和坐标轴
fig, ax = plt.subplots(figsize=(10, 6))

# 3. 绘制数据
ax.plot(x, y1, label='sin(x)', linewidth=2)
ax.plot(x, y2, label='cos(x)', linewidth=2)

# 4. 添加装饰
ax.set_title('三角函数', fontsize=16, fontweight='bold')
ax.set_xlabel('x', fontsize=12)
ax.set_ylabel('y', fontsize=12)
ax.legend(fontsize=10)
ax.grid(True, alpha=0.3)

# 5. 显示或保存
plt.tight_layout()
plt.savefig('figure.png', dpi=300, bbox_inches='tight')
plt.show()

常见问题

# 1. 中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False

# 2. 图片模糊问题
plt.savefig('figure.png', dpi=300, bbox_inches='tight')

# 3. 图例重叠
ax.legend(bbox_to_anchor=(1.05, 1), loc='upper left')

# 4. 子图间距
plt.tight_layout()  # 自动调整间距
plt.subplots_adjust(left=0.1, right=0.95, top=0.9, bottom=0.1)  # 手动调整

# 5. 内存释放
plt.close('all')  # 关闭所有图形

总结

Matplotlib 是 Python 数据可视化的基础:

核心概念

Figure: 整个图形容器
Axes: 具体的绘图区域
两套API: pyplot(简单)和面向对象(灵活)
样式系统: 丰富的自定义选项

主要功能

基础图表: 折线图、散点图、柱状图、直方图
高级图表: 饼图、箱线图、热力图、3D图
图表装饰: 标题、图例、网格、注释
子图系统: subplot、subplots、GridSpec
Seaborn集成: 统计图表和美化样式

最佳实践

优先使用面向对象API
使用 plt.tight_layout() 调整布局
设置适当的图表大小和分辨率
使用颜色和样式提升可读性
合理使用图例和注释

Matplotlib 是数据科学和机器学习中不可或缺的工具,掌握 Matplotlib 是有效展示数据的关键。

简介​

Matplotlib 特性​

安装 Matplotlib​

快速开始​

导入和配置​

基础图表​

基础绘图​

figure与axes​

plot 折线图​

scatter 散点图​

bar 柱状图​

histogram 直方图​

图表装饰​

标题与标签​

图例​

网格​

颜色与样式​

子图​

subplot​

subplots​

嵌套图​

高级图表​

面积图​

饼图​

箱线图​

热力图​

3D图表​

样式定制​

颜色映射​

线型与标记​

文本与注释​

保存图表​

保存图片​

Seaborn​

样式设置​

统计图表​

分布图​

分类图​

回归图​

热力图与矩阵图​

配对图​

最佳实践​

编码规范​

常见问题​

总结​

核心概念​

主要功能​

最佳实践​

简介

Matplotlib 特性

安装 Matplotlib

快速开始

导入和配置

基础图表

基础绘图

figure与axes

plot 折线图

scatter 散点图

bar 柱状图

histogram 直方图

图表装饰

标题与标签

图例

网格

颜色与样式

子图

subplot

subplots

嵌套图

高级图表

面积图

饼图

箱线图

热力图

3D图表

样式定制

颜色映射

线型与标记

文本与注释

保存图表

保存图片

Seaborn

样式设置

统计图表

分布图

分类图

回归图

热力图与矩阵图

配对图

最佳实践

编码规范

常见问题

总结

核心概念

主要功能

最佳实践