Matplotlib入門：繪制你的第一張折線圖與散點圖

導語

歡迎來到 Matplotlib 的世界！對于任何使用 Python 進行數據分析或機器學習的人來說，數據可視化都是一項至關重要的技能。Matplotlib 是 Python 中最流行、最基礎的可視化庫，它功能強大，可以創建各種靜態、動態、交互式的圖表。

本教程專為初學者設計，將帶你從零開始，一步步學習如何使用 Matplotlib 繪制兩種最常用的圖表：折線圖和散點圖。學完本篇，你將能夠輕松地將數據轉化為直觀的圖形。

---

? 準備工作：安裝 Matplotlib

在開始之前，請確保你已經安裝了 Matplotlib。如果尚未安裝，可以通過 pip 命令輕松安裝：

pip install matplotlib numpy

我們同時安裝 numpy，因為它是處理數值數據的常用庫，與 Matplotlib 配合使用效果更佳。

---

一、繪制你的第一張折線圖

折線圖（Line Chart）是用于顯示數據隨某個連續變量（如時間、順序）變化趨勢的理想選擇。

1. 創建簡單數據

首先，我們使用 numpy 創建一組簡單的數據作為示例。

import matplotlib.pyplot as plt
import numpy as np# 創建 x 軸數據 (0, 1, 2, ..., 9)
x = np.arange(10)
# 創建 y 軸數據 (x 的平方)
y = x**2print("X軸數據:", x)
print("Y軸數據:", y)

2. 繪制基本折線圖

有了數據后，只需幾行代碼即可繪制一張折線圖。

import matplotlib.pyplot as plt
import numpy as np# 1. 準備數據
x = np.arange(10)
y = x**2# 2. 創建圖表
plt.figure(figsize=(8, 6))  # 設置畫布大小
plt.plot(x, y)              # 繪制折線圖# 3. 添加圖表信息
plt.title("我的第一張折線圖 (My First Line Chart)") # 標題
plt.xlabel("X 軸")        # X軸標簽
plt.ylabel("Y 軸")        # Y軸標簽# 4. 顯示圖表
plt.show()

運行以上代碼，你將看到如下所示的圖表：

3. 自定義你的折線圖

Matplotlib 提供了豐富的自定義選項，讓你的圖表更具表現力。

• 顏色（color）：設置線條顏色。
• 線型（linestyle）：可以是實線 -、虛線 --、點線 : 等。
• 標記（marker）：在數據點上添加標記，如圓形 o、方形 s、星形 *。

# ... 接上文代碼 ...# 繪制自定義折線圖
plt.figure(figsize=(8, 6))
plt.plot(x, y,color='red',          # 顏色linestyle='--',       # 線型marker='o',           # 標記label="y = x^2"       # 圖例標簽
)# 添加網格和圖例
plt.grid(True)              # 顯示網格
plt.legend()                # 顯示圖例plt.title("自定義折線圖")
plt.xlabel("X 軸")
plt.ylabel("Y 軸")plt.show()

---

二、繪制你的第一張散點圖

散點圖（Scatter Plot）主要用于觀察兩個變量之間的關系或分布情況。

1. 創建兩組相關數據

我們創建兩組數據，一組是隨機的，另一組與第一組有一定的線性關系。

# 創建 50 個隨機數據點
np.random.seed(42) # 設置隨機種子以保證結果可復現
x_scatter = np.random.rand(50) * 10
y_scatter = 2 * x_scatter + np.random.randn(50) * 2 # y = 2x + 噪聲

2. 繪制基本散點圖

使用 plt.scatter() 函數來繪制散點圖。

# ... 接上文代碼 ...# 繪制基本散點圖
plt.figure(figsize=(8, 6))
plt.scatter(x_scatter, y_scatter)plt.title("我的第一張散點圖 (My First Scatter Plot)")
plt.xlabel("變量 X")
plt.ylabel("變量 Y")
plt.grid(True)plt.show()

3. 自定義你的散點圖

散點圖同樣可以自定義，例如改變點的大小、顏色，甚至可以根據第三個變量來映射顏色。

• 大小（s）：設置點的大小。
• 顏色（c）：可以是一個顏色字符串，也可以是一個數值序列，用于顏色映射。
• 透明度（alpha）：設置點的透明度。

# ... 接上文代碼 ...# 創建一個顏色變量
colors = np.random.rand(50)
# 創建一個大小變量
sizes = 1000 * np.random.rand(50)# 繪制自定義散點圖
plt.figure(figsize=(10, 6))
scatter = plt.scatter(x_scatter, y_scatter,c=colors,           # 根據 colors 變量映射顏色s=sizes,            # 根據 sizes 變量設置大小alpha=0.6,          # 設置透明度cmap='viridis'      # 使用 viridis 顏色映射方案
)# 添加顏色條
plt.colorbar(scatter, label="顏色強度")plt.title("自定義散點圖")
plt.xlabel("變量 X")
plt.ylabel("變量 Y")plt.show()

---

🤖 AI 助力你的編程之路

在學習和工作中，強大的 AI 工具能極大地提升我們的效率。這里向你推薦一款優秀的 AI 助手，或許能為你的編程和創作帶來新的靈感。

😳 0v0 AI 助手推薦、官網：https://0v0.pro

• 🆓 開源模型全免費：Llama、Qwen、Deepseek 等，無需付費即可體驗。
• 😲 基礎模型全免費：gpt-4o、o4-mini、gpt-5-mini 等，滿足日常開發需求。
• ?? 對話真正無限制：不限時間、不限次數，盡情探索 AI 的能力。
• 🫡 每周免費旗艦模型：每周解鎖一款旗艦模型（如本周的 gpt-5），免費使用！

---

🗨? 需要接入 AI API？

如果你是開發者，希望將 AI 能力集成到自己的應用中，可以考慮以下服務：

按量計算、官網：https://llm-all.pro

• 😊 超高性價比：OpenAI、Claude、Gemini 等模型低至官方 1 折。
• 🤓 國內模型覆蓋廣：豆包、千問、DeepSeek、Kimi 等 2-6 折。
• ?? 模型種類齊全，滿足各類需求。

按次計算、官網：https://fackai.chat

• 全模型覆蓋，1 元可購 100 次，性價比極高。

---

總結

恭喜你！通過本教程，你已經掌握了使用 Matplotlib 繪制折線圖和散點圖的基本方法，并學會了如何對它們進行自定義，以更好地展示你的數據。

回顧一下關鍵點：

1. 導入庫：import matplotlib.pyplot as plt
2. 折線圖：使用 plt.plot()，適合展示趨勢。
3. 散點圖：使用 plt.scatter()，適合觀察變量關系。
4. 圖表元素：plt.title(), plt.xlabel(), plt.ylabel(), plt.legend(), plt.grid()。
5. 顯示圖表：最后一定要調用 plt.show()。

這只是 Matplotlib 功能的冰山一角。繼續探索，你將能創造出更多更復雜的圖表。希望這篇教程能為你打開數據可視化的大門！

如果你覺得這篇文章對你有幫助，請不要吝嗇你的 點贊 👍 和 收藏 ?！你的支持是我創作的最大動力！