Python启航：30天编程速成之旅（第28天）- matplotlib

欢迎大家来到IT世界,在知识的湖畔探索吧!

喜欢的条友记得关注、点赞、转发、收藏，你们的支持就是我最大的动力源泉。

欢迎大家来到IT世界,在知识的湖畔探索吧!

前期基础教程：

「Python3.11.0」手把手教你安装最新版Python运行环境

讲讲Python环境使用Pip命令快速下载各类库的方法

Python启航：30天编程速成之旅（第2天）-IDE安装

【Python教程】JupyterLab 开发环境安装

转眼间，《Python启航：30天编程速成之旅》已经来到第28期，我在思考教程的最后三期写点什么。前思后想，决定讲三个最常用的三方库：matplotlib、pandas、numpy，今天就先来讲一讲matplotlib库。

Python数据可视化：Matplotlib

在数据分析和科学计算领域，数据可视化是一个非常重要的环节。通过图表，我们可以更直观地理解数据的分布、趋势和关系。而Matplotlib作为Python最流行的绘图库之一，功能强大且灵活，是数据科学家和工程师的必备工具。

本教程将从基础开始，逐步深入，带领你掌握Matplotlib的使用，让你能够轻松地创建各种图表，进行数据可视化。

一、Matplotlib简介

Matplotlib是一个Python的绘图库，可以用来在Python脚本、IPython shell、Jupyter notebook中绘制高质量的图表。它是一个跨平台的库，支持多种输出格式，如PDF、SVG、JPG、PNG等。

Matplotlib的编程接口风格多样，其中最常用的是面向对象的API和 pylab 的状态接口。本教程主要介绍面向对象的API，因为它更加灵活和强大。

二、安装Matplotlib

你可以使用pip来安装Matplotlib：

pip install matplotlib

欢迎大家来到IT世界,在知识的湖畔探索吧!

三、绘制第一个图表

我们先从一个简单的折线图开始。

欢迎大家来到IT世界,在知识的湖畔探索吧!import matplotlib.pyplot as plt # 数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 创建图形和坐标轴 fig, ax = plt.subplots() # 绘制折线图 ax.plot(x, y) # 添加标题和标签 ax.set_title('A Simple Line Plot') ax.set_xlabel('X-axis') ax.set_ylabel('Y-axis') # 显示图表 plt.show()

运行上述代码，将会弹出一个窗口显示图表。

四、Matplotlib基础

1. 图形（Figure）和坐标轴（Axes）

在Matplotlib中，Figure表示整个画布，可以包含一个或多个Axes（坐标轴）。每个Axes代表一个单独的图表。

fig, ax = plt.subplots() # 创建一个Figure和一个Axes

2. 绘制不同类型的图表

Matplotlib支持多种图表类型，包括折线图、散点图、柱状图、饼图等。

折线图（Line Plot）

欢迎大家来到IT世界,在知识的湖畔探索吧!import matplotlib.pyplot as plt # 数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] fig, ax = plt.subplots() # 创建一个Figure和一个Axes ax.plot(x, y, label='Line 1') # 绘制折线图 ax.legend() # 显示图例 # 显示图表 plt.show()

散点图（Scatter Plot）

import matplotlib.pyplot as plt # 数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] fig, ax = plt.subplots() # 创建一个Figure和一个Axes ax.scatter(x, y, label='Scatter Points') # 绘制散点图 ax.legend() # 显示图表 plt.show()

柱状图（Bar Chart）

欢迎大家来到IT世界,在知识的湖畔探索吧!import matplotlib.pyplot as plt # 数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] fig, ax = plt.subplots() # 创建一个Figure和一个Axes ax.bar(x, y, label='Bar Chart') # 绘制柱状图 ax.legend() # 显示图表 plt.show()

饼图（Pie Chart）

import matplotlib.pyplot as plt # 数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] fig, ax = plt.subplots() # 创建一个Figure和一个Axes ax.pie(y, labels=x, autopct='%1.1f%%') # 绘制饼图 ax.legend() # 显示图表 plt.show()

3. 自定义图表

你可以通过设置各种参数来自定义图表的外观，例如颜色、线条样式、标记样式、字体等。

欢迎大家来到IT世界,在知识的湖畔探索吧!import matplotlib.pyplot as plt # 数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] fig, ax = plt.subplots() # 创建一个Figure和一个Axes ax.plot(x, y, label='Line 1') # 绘制折线图 ax.legend() # 显示图例 ax.plot(x, y, color='red', linestyle='--', marker='o', label='Custom Line') ax.set_title('Customized Line Plot', fontsize=16) ax.legend(fontsize=12) # 显示图表 plt.show()

4. 多个子图（Subplots）

你可以在一个图形中绘制多个子图。

import matplotlib.pyplot as plt # 数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] fig, axs = plt.subplots(2, 2) # 创建2x2的子图布局 # 绘制第一个子图 axs[0, 0].plot(x, y) axs[0, 0].set_title('Line Plot') # 绘制第二个子图 axs[0, 1].scatter(x, y) axs[0, 1].set_title('Scatter Plot') # 绘制第三个子图 axs[1, 0].bar(x, y) axs[1, 0].set_title('Bar Chart') # 绘制第四个子图 axs[1, 1].pie(y, labels=x, autopct='%1.1f%%') axs[1, 1].set_title('Pie Chart') plt.tight_layout() # 自动调整子图间距 plt.show()

5. 保存图表

你可以将图表保存为图片文件。

欢迎大家来到IT世界,在知识的湖畔探索吧!fig.savefig('my_plot.png') # 保存为PNG格式

五、高级功能

1. 图例（Legend）

图例用于解释图表中的不同线条或标记。

ax.plot(x, y, label='Line 1') ax.legend(loc='upper left') # 指定图例位置

2. 颜色映射（Colormap）

颜色映射用于表示数据的分布。

欢迎大家来到IT世界,在知识的湖畔探索吧!import matplotlib.pyplot as plt import numpy as np # 创建数据 x = np.linspace(0, 10, 100) y = np.linspace(0, 10, 100) X, Y = np.meshgrid(x, y) Z = np.sin(X) + np.cos(Y) fig, ax = plt.subplots() # 创建一个Figure和一个Axes # 绘制等高线图 contour = ax.contourf(X, Y, Z, cmap='viridis') # 使用viridis颜色映射 plt.colorbar(contour) # 添加颜色条 plt.show()

3. 注释（Annotation）

你可以在图表中添加注释来解释特定的数据点。

import matplotlib.pyplot as plt # 数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] fig, ax = plt.subplots() # 创建一个Figure和一个Axes ax.plot(x, y) ax.annotate('Maximum', xy=(5, 25), xytext=(3, 20), arrowprops=dict(facecolor='black', shrink=0.05)) plt.show()

4. 自定义刻度和标签

你可以自定义刻度的位置和标签。

欢迎大家来到IT世界,在知识的湖畔探索吧!import matplotlib.pyplot as plt # 数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] fig, ax = plt.subplots() # 创建一个Figure和一个Axes ax.plot(x, y) ax.annotate('Maximum', xy=(5, 25), xytext=(3, 20), arrowprops=dict(facecolor='black', shrink=0.05)) ax.set_xticks([1, 3, 5]) ax.set_xticklabels(['Point 1', 'Point 3', 'Point 5']) plt.show()

六、总结

Matplotlib是一个功能强大的绘图库，可以帮助你创建各种复杂的图表。通过掌握Matplotlib的基础知识和高级功能，你可以更好地进行数据可视化，从而更有效地分析和展示数据。

喜欢的条友记得关注、点赞、转发、收藏，你们的支持就是我最大的动力源泉。