Matplotlib詳細教程（基礎介紹，參數調整，繪圖教程）

一、初識Matploblib

1.1 安裝 Matplotlib

1.2、Matplotlib 的兩種接口風格

1.3、Figure 和 Axes 的深度理解

1.4 設置畫布大小

1.5 設置網格線

1.6?設置坐標軸

1.7 設置刻度和標簽

1.8?添加圖例和標題

1.9 設置中文顯示

1.10 調整子圖布局

二、常用繪圖教程

2.1?折線圖?

2.2 散點圖

2.3?直方圖

2.4?餅圖

?編輯

一、初識Matploblib

Matplotlib是Python中的繪圖庫，類似于MATLAB，可以用來繪制各種靜態，動態，交互式的圖表。

1.1 安裝 Matplotlib

首先需要安裝 Matplotlib 庫：

pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

1.2、Matplotlib 的兩種接口風格

Matplotlib 提供了兩種主要使用方式，適用于不同場景：

pyplot 接口（類似 MATLAB 風格）
這種方式通過?plt?模塊直接調用函數，自動管理圖形和子圖狀態，適合快速繪圖和簡單場景。
示例：

import matplotlib.pyplot as plt
import numpy as npx = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x))  # 自動創建figure和axes
plt.title("pyplot接口示例")
plt.show()

面向對象接口（OO 風格）
顯式創建?Figure（畫布）和?Axes（子圖）對象，通過對象方法操作，適合復雜繪圖（如多子圖、定制化布局）。
示例：

import matplotlib.pyplot as plt
import numpy as npfig, ax = plt.subplots()  # 顯式創建figure和axes
ax.plot(x, np.sin(x))
ax.set_title("面向對象接口示例")
fig.show()

區別與選擇：簡單繪圖用 pyplot 更簡潔；復雜場景（如多子圖聯動、自定義坐標軸）必須用 OO 接口，可控性更強。

1.3、Figure 和 Axes 的深度理解

Figure（畫布）

整個繪圖窗口，是所有元素的容器。
可通過?figsize=(width, height)?控制大小（單位：英寸），dpi?控制分辨率（默認 100）。

Axes（子圖）

一個 Figure 可包含多個 Axes（如 2×2 網格的子圖），每個 Axes 是一個獨立的繪圖區域。

1.4 設置畫布大小

在使用matplotlib作圖時，會遇到圖片顯示不全或者圖片大小不是我們想要的，這個時候就需要調整畫布大小。下例左圖為500*500像素，右圖為1000*1000像素。

import matplotlib.pyplot as plt# 500 x 500 像素（先寬度 后高度）
# 注意這里的寬度和高度的單位是英寸，1英寸=100像素
fig = plt.figure(figsize=(5, 5))
ax = fig.add_subplot(111)
plt.show()

1.5 設置網格線

通過?axes 對象提供的 grid() 方法可以開啟或者關閉畫布中的網格以及網格的主/次刻度。除此之外，grid() 函數還可以設置網格的顏色、線型以及線寬等屬性。

grid() 的函數使用格式如下

grid(color='b', ls = '-.', lw = 0.25)

參數含義如下：

color：表示網格線的顏色；
ls：表示網格線的樣式；
lw：表示網格線的寬度；

網格在默認狀態下是關閉的，通過調用上述函數，網格會被自動開啟，如果只是想開啟不帶任何樣式的網格，可以通過 grid(True) 來實現。

實例如下：

import matplotlib.pyplot as plt
import numpy as np# fig畫布；axes子圖區域
fig, axes = plt.subplots(1, 3, figsize=(12, 4))
x = np.arange(1, 11)
axes[0].plot(x, x ** 3, 'g', lw=2)
# 開啟網格
axes[0].grid(True)
axes[0].set_title('default grid')
axes[1].plot(x, np.exp(x), 'r')
# 設置網格的顏色，線型，線寬
axes[1].grid(color='b', ls='-.', lw=0.25)
axes[1].set_title('custom grid')
axes[2].plot(x, x)
axes[2].set_title('no grid')
fig.tight_layout()
plt.show()

1.6?設置坐標軸

set_xlabel?用字符串列表來設置坐標軸的標簽，fontdict?設置軸標簽的字體和字號等參數。

import matplotlib.pyplot as plt
import numpy as npfontdict = {'weight': 'normal', 'family': 'Times New Roman', 'size': 20}fig, axes = plt.subplots(1, 1)
x = np.arange(1, 5)
axes.plot(x, np.exp(x))
axes.plot(x, x ** 2)# 設置標題
axes.set_title("Normal scale", fontdict=fontdict)# 設置x、y軸標簽
axes.set_xlabel("x axis", fontdict=fontdict)
axes.set_ylabel("y axis", fontdict=fontdict)plt.show()

Matplotlib 可以根據自變量與因變量的取值范圍，自動設置 x 軸與 y 軸的數值大小。當然，您也可以用自定義的方式，通過 set_xlim() 和 set_ylim() 對 x、y 軸的數值范圍進行設置。

import matplotlib.pyplot as plt
import numpy as npfig, a1 = plt.subplots(1, 1)x = np.arange(1, 10)
a1.plot(x, np.exp(x), 'r')
a1.set_title('exp')
# 設置y軸
a1.set_ylim(0, 4000)
# 設置x軸
a1.set_xlim(0, 8)
plt.show()

1.7 設置刻度和標簽

刻度指的是軸上數據點的標記，Matplotlib 能夠自動的在 x 、y 軸上繪制出刻度。這一功能的實現得益于 Matplotlib 內置的刻度定位器和格式化器（兩個內建類）。在大多數情況下，這兩個內建類完全能夠滿足我們的繪圖需求，但是在某些情況下，刻度標簽或刻度也需要滿足特定的要求，比如將刻度設置為“英文數字形式”或者“大寫阿拉伯數字”，此時就需要對它們重新設置。
?

下面示例介紹了刻度和標簽的使用方法，其中對標簽逆時針旋轉了90°：

import matplotlib.pyplot as plt
import numpy as np
import mathx = np.arange(0, math.pi * 2, 0.05)fig, ax = plt.subplots(1, 1, figsize=(10, 6))y = np.sin(x)
ax.plot(x, y)
# 設置x軸標簽
ax.set_xlabel('angle')
# ax.set_title('sine')
ax.set_xticks([0, 2, 4, 6])
# 設置x軸刻度標簽,并旋轉90°
ax.set_xticklabels(['zero', 'two', 'four', 'six'], rotation=90)
# 設置y軸刻度
ax.set_yticks([-1, 0, 1])
plt.show()

1.8?添加圖例和標題

圖例通過ax.legend或者plt.legend()實現，標題通過ax.set_title()或者plt.title()實現，基本用法如下例所示。

import matplotlib as mplmpl.rcParams["font.sans-serif"] = ["SimHei"]
mpl.rcParams["axes.unicode_minus"] = Falseimport matplotlib.pyplot as plt
import numpy as npfig = plt.figure()
ax = fig.add_subplot(111)
x = np.linspace(-2 * np.pi, 2 * np.pi, 200)
y = np.sin(x)
y1 = np.cos(x)ax.plot(x, y, label=r"$\sin(x)$")
ax.plot(x, y1, label=r"$\cos(x)$")ax.legend(loc="best")  # 顯示圖例，loc="best"表示自動選擇最佳位置放置圖例
ax.set_title("正弦函數和余弦函數的折線圖")  # 設置圖表的標題
plt.show()

調整圖例

對于圖例，我們還可以通過改變legend()的參數來改變圖例的顯示位置，展示樣式（包括圖例的外邊框、圖例中的文本標簽的排列位置和圖例的投影效果等方面）。

import matplotlib.pyplot as plt
import numpy as npx = np.arange(0, 2.1, 0.1)
y = np.power(x, 3)
y1 = np.power(x, 2)
y2 = np.power(x, 1)plt.plot(x, y, ls="-", lw=2, label="$x^{3}$")
plt.plot(x, y1, c="r", ls="-", lw=2, label="$x^{2}$")
plt.plot(x, y2, c="y", ls="-", lw=2, label="$x^{1}$")plt.legend(loc="upper left", bbox_to_anchor=(0.05, 0.95),ncol=3, title="power function", shadow=True,fancybox=True)
plt.show()

loc="upper left"：指定圖例的大致位置為左上角。這是一個初始參考位置，實際位置會結合bbox_to_anchor參數進行調整。

bbox_to_anchor=(0.05, 0.95)：這是一個關鍵參數，用于精確調整圖例的位置。它接收一個元組(x, y)，其中的坐標是相對于圖表的整個繪圖區域（默認是 axes 坐標系，即左下角為 (0,0)，右上角為 (1,1)）。這里(0.05, 0.95)表示圖例的左上角頂點位于繪圖區域水平方向 0.05（5%）、垂直方向 0.95（95%）的位置。

ncol=3：設置圖例中標簽的列數為 3 列。如果圖例包含多個條目，它們會按 3 列的形式排列，使布局更合理。

title="power function"：為圖例添加標題，標題內容為 “power function”，會顯示在圖例的上方。

shadow=True：使圖例添加陰影效果，增強圖例的立體感和視覺層次感。

fancybox=True：設置圖例的邊框為圓角矩形，而默認的是直角矩形。

?plt.legend()的位置參數loc也可以使用數字，其對應如下：

字符串	位置編號	位置表述
`best`	0	最佳位置
`upper right`	1	右上角
`upper left`	2	左上角
`lower left`	3	右下角
`lower right`	4	左下角
`right`	5	右側
`center left`	6	左側垂直居中
`center right`	7	右側垂直居中
`lower center`	8	下方水平居中
`upper center`	9	上方水平居中
`center`	10	正中間

1.9 設置中文顯示

Matplotlib 默認不支持中文字體，只支持 ASCII 字符，但中文標注更加符合中國人的閱讀習慣。

當直接使用中文時，Matplotlib 繪制的圖像會出現中文亂碼，如左圖所示。通過臨時重寫配置文件的方法，可以解決 Matplotlib 顯示中文亂碼的問題，代碼如下所示：

import matplotlib.pyplot as pltplt.rcParams["font.sans-serif"] = ["SimHei"]  # 設置字體
plt.rcParams["axes.unicode_minus"] = False  # 正常顯示負號
year = [2017, 2018, 2019, 2020]
people = [20, 40, 60, 70]
# 生成圖表
plt.plot(year, people)
plt.xlabel('年份')
plt.ylabel('人口')
plt.title('人口增長')
# 設置縱坐標刻度
plt.yticks([0, 20, 40, 60, 80])
# 設置填充選項：參數分別對應橫坐標，縱坐標，縱坐標填充起始值，填充顏色
plt.fill_between(year, people, 20, color='green')
# 顯示圖表
plt.show()

Windows字體中英文名稱對照

中文名稱	英文名稱
黑體	SimHei
微軟雅黑	Microsoft YaHei
微軟雅黑	Microsoft YaHei
新宋體	NSimSun
新細明體	PMingLiU
細明體	MingLiU
標楷體	DFKai-SB
仿宋	FangSong
楷體	KaiTi
仿宋_GB2312	FangSong_GB2312
楷體_GB2312	KaiTi_GB2312

1.10 調整子圖布局

在pyplot模塊中，調整子圖布局的函數主要用subplots_adjust

subplots_adjust函數的功能為調整子圖的布局參數。對于沒有設置的參數保持不變
?

用法：
matplotlib.pyplot.subplots_adjust(left=None, bottom=None, \
right=None, top=None, wspace=None, hspace=None)

參數：

left：所有子圖整體相對于圖像的左外邊距，距離單位為圖像寬度的比例（小數）。可選參數。浮點數。默認值為0.125。

right：所有子圖整體相對于圖像的右外邊距，距離單位為圖像寬度的比例（小數）。可選參數。浮點數。默認值為0.0。

bottom：所有子圖整體相對于圖像的下外邊距，距離單位為圖像高度的比例（小數）。可選參數。浮點數。默認值為0.11。

top：所有子圖整體相對于圖像的上外邊距，距離單位為圖像高度的比例（小數）。可選參數。浮點數。默認值為0.88。

wspace：子圖間寬度內邊距，距離單位為子圖平均寬度的比例（小數）。浮點數。默認值為0.2。

hspace：子圖間高度內邊距，距離單位為子圖平均高度的比例（小數）。可選參數。浮點數。默認值為0.2。

示例代碼：

import matplotlib.pyplot as plt# 原始間距配置
fig, ax = plt.subplots(3, 3)
print(vars(fig.subplotpars))
# 通過subplots_adjust()設置間距配置
plt.subplots_adjust(left=0.1, bottom=0.1, right=0.9, top=0.9, wspace=0.5, hspace=0.5)
print(vars(fig.subplotpars))
plt.show()

原始

修改間距后（wspace=0.5, hspace=0.5）：

二、常用繪圖教程

2.1?折線圖?

plot()函數畫出一系列的點，并且用線將它們連接起來。

格式：

# 基礎折線圖代碼格式
plt.plot(x,                  # x軸數據（數組或列表）y,                  # y軸數據（數組或列表，與x長度相同）label='曲線名稱',   # 曲線標簽，用于圖例顯示color='blue',       # 線條顏色（支持名稱、十六進制碼等）linestyle='-',      # 線型（'-'實線、'--'虛線、':'點線等）linewidth=2,        # 線條寬度（數值越大線越粗）marker='o',         # 數據點標記（'o'圓形、's'正方形等）markersize=5        # 數據點標記的大小
)

看下例子：

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams["font.sans-serif"] = ["SimHei"]  # 設置字體
plt.rcParams["axes.unicode_minus"] = False  # 正常顯示負號
# 生成數據
x = np.linspace(0, 10, 50)  # 0到10之間的50個點
y = np.sin(x)               # 計算正弦值# 繪制折線圖
plt.plot(x, y, color='blue', linewidth=2)# 基本標簽
plt.title('簡單折線圖')
plt.xlabel('X軸')
plt.ylabel('Y軸')# 顯示圖形
plt.show()

?如果需要展示多條線，只需再添加一行plt.plot(x, 其他數據, ...)即可。

2.2 散點圖

只畫點，不用線連接起來。

基本格式：

plt.scatter(x,                  # x軸數據（數組或列表）y,                  # y軸數據（數組或列表，與x長度相同）s=50,               # 散點大小（數值越大點越大）c='blue',           # 散點顏色（支持名稱、數組映射等）marker='o',         # 散點形狀（'o'圓形、'+'加號等）alpha=0.7,          # 透明度（0-1之間，值越小越透明）edgecolors='black', # 散點邊緣顏色label='數據點'      # 數據標簽，用于圖例顯示
)

?示例：

import matplotlib.pyplot as plt
import numpy as npx = np.arange(10)
y = np.random.randn(10)
plt.scatter(x, y, color='red', marker='+')
plt.show()

2.3?直方圖

?直方圖用于統計數據出現的次數或者頻率，有多種參數可以調整，見下例：

import matplotlib.pyplot as plt
import numpy as np# 生成示例數據：1000個符合正態分布的隨機數
data = np.random.randn(1000)# 繪制直方圖
n, bins, patches = plt.hist(x=data,               # 要繪制直方圖的數據bins=30,              # 直方圖的分箱數量，越多越精細density=False,        # 是否將直方圖歸一化為概率密度（總和為1）alpha=0.7,            # 透明度，0-1之間color='skyblue',      # 直方圖顏色edgecolor='black'     # 直方圖邊框顏色
)# 添加標題和標簽
plt.title('正態分布數據直方圖', fontsize=14)
plt.xlabel('數值', fontsize=12)
plt.ylabel('頻數', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

2.4?餅圖

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams["font.sans-serif"] = ["SimHei"]  # 設置字體
plt.rcParams["axes.unicode_minus"] = False  # 正常顯示負號
labels = ['蘋果', '香蕉', '橙子', '葡萄', '草莓']  # 各部分標簽
sizes = [35, 25, 20, 15, 5]  # 各部分占比
explode = (0.1, 0, 0, 0, 0)  # 突出顯示特定部分（這里突出顯示第一個部分）# 繪制餅圖
plt.pie(x=sizes,  # 餅圖各部分的數值（會自動計算占比）explode=explode,  # 每個部分的偏移量，用于突出顯示labels=labels,  # 各部分的標簽autopct='%1.1f%%',  # 顯示百分比的格式shadow=True,  # 是否添加陰影效果startangle=90,  # 餅圖的起始角度（0表示從x軸正方向開始）colors=['red', 'yellow', 'orange', 'purple', 'pink']  # 各部分顏色
)# 設置餅圖為正圓形（默認可能為橢圓形）
plt.axis('equal')
# 添加標題
plt.title('水果銷售占比')
# 顯示圖形
plt.show()