解锁 Matplotlib：完整的知识点梳理与应用示例

一、基础概念

• 目的：用于创建各种高质量的静态、动态和交互式的可视化图表，如折线图、柱状图、散点图、饼图等多种图形，帮助用户更好地理解和展示数据。
• 架构：它有一个分层的架构，最顶层是脚本层（pyplot），方便快速创建简单的图表；中间层是Artist层，用于对图表的各个组件（如线条、文本、图形等）进行精细控制；底层是后端层，负责将图形渲染到不同的输出设备上，如屏幕、文件等。

二、安装

• 可以使用pip命令进行安装。在命令行中输入pip install matplotlib，等待安装完成即可。如果使用Anaconda环境，它通常已经预装了Matplotlib。

三、基本使用

1. 导入库
   • 通常使用import matplotlib.pyplot as plt语句来导入Matplotlib的绘图接口pyplot，并简称为plt，方便后续调用。
2. 简单绘图示例（以折线图为例）
   • 创建数据：例如，x = [1, 2, 3, 4]和y = [1, 4, 9, 16]。
   • 绘制图形：使用plt.plot(x, y)来绘制折线图。
   • 显示图形：通过plt.show()函数来显示绘制好的图形。

四、图形类型

1. 折线图（plot）
   • 用途：用于展示数据随时间或其他连续变量的变化趋势。
   • 示例代码：

     import matplotlib.pyplot as plt
     x = [1, 2, 3, 4]
     y = [1, 4, 9, 16]
     plt.plot(x, y)
     plt.show()
     

2. 柱状图（bar）
   • 用途：用于比较不同类别数据的大小。
   • 示例代码：

     import matplotlib.pyplot as plt
     x = ['A', 'B', 'C', 'D']
     y = [10, 20, 15, 25]
     plt.bar(x, y)
     plt.show()
     

3. 散点图（scatter）
   • 用途：用于展示两个变量之间的关系，观察数据的分布情况。
   • 示例代码：

     import matplotlib.pyplot as plt
     x = [1, 2, 3, 4, 5]
     y = [2, 4, 6, 8, 10]
     plt.scatter(x, y)
     plt.show()
     

4. 饼图（pie）
   • 用途：用于展示各部分占总体的比例关系。
   • 示例代码：

     import matplotlib.pyplot as plt
     sizes = [15, 30, 45, 10]
     labels = ['A', 'B', 'C', 'D']
     plt.pie(sizes, labels = labels)
     plt.show()
     

五、图形组件

1. 坐标轴（Axes）
   • 设置坐标轴范围：可以使用plt.xlim()和plt.ylim()来设置x轴和y轴的范围。例如，plt.xlim(0, 10)会将x轴的范围设置为从0到10。
   • 设置坐标轴标签：使用plt.xlabel()和plt.ylabel()来添加x轴和y轴的标签。例如，plt.xlabel('Time')和plt.ylabel('Value')。
   • 设置坐标轴刻度：可以使用plt.xticks()和plt.yticks()来设置坐标轴的刻度。例如，plt.xticks([0, 1, 2, 3], ['a', 'b', 'c', 'd'])会将x轴的刻度设置为0、1、2、3，并分别标记为a、b、c、d。
2. 标题（Title）
   • 使用plt.title()来添加图形的标题。例如，plt.title('My Plot')会在图形的上方添加一个标题为My Plot的标题。
3. 图例（Legend）
   • 在绘制多个数据系列时，可以使用plt.legend()来添加图例。首先，在绘制每个数据系列时需要添加一个label参数，例如plt.plot(x1, y1, label='Data 1')和plt.plot(x2, y2, label='Data 2')，然后调用plt.legend()来显示图例，图例会显示每个数据系列对应的label。

六、图形样式

1. 线条样式
   • 颜色：可以在绘制图形时指定线条的颜色，例如plt.plot(x, y, color='red')会将线条颜色设置为红色。颜色可以使用英文颜色名称（如'red'、'blue'等）、RGB元组（如(1, 0, 0)表示红色）或十六进制颜色代码（如'#FF0000'表示红色）来指定。
   • 线型：可以使用linestyle参数来设置线条的样式，如'solid'（实线，默认）、'dashed'（虚线）、'dotted'（点线）等。例如，plt.plot(x, y, linestyle='dashed')会将线条设置为虚线。
   • 线宽：使用linewidth参数来设置线条的宽度，例如plt.plot(x, y, linewidth=2)会将线条宽度设置为2个像素。
2. 标记样式（适用于散点图等）
   • 可以使用marker参数来设置标记的样式，如'o'（圆形）、's'（方形）、'^'（三角形向上）等。例如，plt.scatter(x, y, marker='o')会将散点图的标记设置为圆形。还可以设置标记的大小（s参数）、颜色（c参数）等。

七、子图

1. 使用subplot函数创建子图
   • plt.subplot()函数用于在一个图形窗口中创建多个子图。它的参数格式通常为plt.subplot(row, col, index)，其中row表示子图的行数，col表示子图的列数，index表示当前子图的索引（从左上角开始，从左到右，从上到下编号）。例如，plt.subplot(2, 2, 1)会创建一个2行2列的子图布局，并选择第一个子图。
   • 示例代码（在一个图形中绘制两个子图）

     import matplotlib.pyplot as plt
     x = [1, 2, 3, 4]
     y1 = [1, 4, 9, 16]
     y2 = [1, 2, 3, 4]
     plt.subplot(1, 2, 1)
     plt.plot(x, y1)
     plt.subplot(1, 2, 2)
     plt.plot(x, y2)
     plt.show()
     

2. 使用subplots函数创建子图（推荐）
   • fig, axs = plt.subplots(row, col)函数会返回一个图形对象fig和一个子图对象数组axs。这种方式更方便对每个子图进行操作，例如axs[0, 0].plot(x, y)可以在第一个子图中绘制图形。
   • 示例代码（使用subplots函数）

     import matplotlib.pyplot as plt
     x = [1, 2, 3, 4]
     y1 = [1, 4, 9, 16]
     y2 = [1, 2, 3, 4]
     fig, axs = plt.subplots(1, 2)
     axs[0].plot(x, y1)
     axs[1].plot(x, y2)
     plt.show()
     

八、保存图形

• 使用plt.savefig()函数来保存图形。例如，plt.savefig('my_plot.png')会将当前图形保存为my_plot.png文件，还可以指定文件格式（如pdf、svg等）和保存路径等。

九、3D绘图（需要安装mplot3d工具包）

1. 导入3D绘图工具包
   • from mpl_toolkits.mplot3d import Axes3D
2. 创建3D坐标轴对象
   • 例如，fig = plt.figure()，ax = fig.add_subplot(111, projection='3d')。
3. 绘制3D图形（以3D散点图为例）
   • 假设x、y、z是三维数据点的坐标列表，可以使用ax.scatter(x, y, z)来绘制3D散点图。
   • 还可以绘制3D折线图（ax.plot(x, y, z)）、3D曲面图（需要先创建网格数据，然后使用ax.plot_surface(X, Y, Z)等方法）等多种3D图形。

十、交互式绘图

• Matplotlib可以与一些交互式后端（如ipywidgets在Jupyter Notebook环境中）结合使用，实现交互式绘图。例如，通过调整滑块来改变图形的参数，实时观察图形的变化等功能。这需要额外的配置和一些交互式库的支持。