Matplotlib基础：10分钟学会Python绘图，让数据说话

2026-03-01

大家好，我是正在实战各种AI项目的程序员晚枫。

欢迎来到数据可视化部分！

一图胜千言。掌握数据可视化，你能把枯燥的数字变成直观的图表，让数据自己说话。

今天从Python最基础的绘图库Matplotlib开始。

快速开始

安装与导入

1	pip install matplotlib

import matplotlib.pyplot as plt
import numpy as np

# 在Jupyter中显示图形
%matplotlib inline

第一张图

# 准备数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]

# 创建图形
plt.plot(x, y)

# 添加标题和标签
plt.title('平方数')
plt.xlabel('x')
plt.ylabel('y')

# 显示图形
plt.show()

基本图表类型

折线图（Line Plot）

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

plt.plot(x, y)
plt.title('正弦波')
plt.xlabel('x')
plt.ylabel('sin(x)')
plt.grid(True)  # 添加网格
plt.show()

散点图（Scatter Plot）

x = np.random.randn(100)
y = np.random.randn(100)

plt.scatter(x, y, alpha=0.5)  # alpha设置透明度
plt.title('随机散点')
plt.show()

柱状图（Bar Chart）

categories = ['A', 'B', 'C', 'D']
values = [23, 45, 56, 78]

plt.bar(categories, values)
plt.title('类别对比')
plt.ylabel('数值')
plt.show()

# 水平柱状图
plt.barh(categories, values)
plt.show()

直方图（Histogram）

data = np.random.randn(1000)

plt.hist(data, bins=30, edgecolor='black')
plt.title('数据分布')
plt.xlabel('值')
plt.ylabel('频数')
plt.show()

饼图（Pie Chart）

sizes = [30, 20, 25, 25]
labels = ['A', 'B', 'C', 'D']
colors = ['red', 'blue', 'green', 'yellow']

plt.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%')
plt.title('占比分布')
plt.show()

样式美化

线条样式

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

plt.plot(x, np.sin(x), 'b-', linewidth=2, label='sin')      # 蓝色实线
plt.plot(x, np.cos(x), 'r--', linewidth=2, label='cos')     # 红色虚线
plt.plot(x, np.tan(x), 'g:', linewidth=2, label='tan')      # 绿色点线

plt.legend()  # 显示图例
plt.show()

颜色与标记

# 颜色缩写：b蓝 g绿 r红 c青 m紫 y黄 k黑 w白
# 标记：o圆点 s方形 ^三角形 *星形 +加号

plt.plot(x, y, 'ro-')   # 红色圆点实线
plt.plot(x, y, 'gs--')  # 绿色方形虚线

中文显示

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS']
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

plt.title('中文标题')
plt.xlabel('横轴')
plt.ylabel('纵轴')

多子图

# 方式1：subplot
plt.subplot(2, 2, 1)  # 2行2列的第1个
plt.plot(x, np.sin(x))
plt.title('sin')

plt.subplot(2, 2, 2)  # 第2个
plt.plot(x, np.cos(x))
plt.title('cos')

plt.subplot(2, 2, 3)  # 第3个
plt.plot(x, np.tan(x))
plt.title('tan')

plt.subplot(2, 2, 4)  # 第4个
plt.plot(x, x**2)
plt.title('x²')

plt.tight_layout()  # 自动调整布局
plt.show()

# 方式2：面向对象（推荐）
fig, axes = plt.subplots(2, 2, figsize=(10, 8))

axes[0, 0].plot(x, np.sin(x))
axes[0, 0].set_title('sin')

axes[0, 1].plot(x, np.cos(x))
axes[0, 1].set_title('cos')

axes[1, 0].plot(x, np.tan(x))
axes[1, 0].set_title('tan')

axes[1, 1].plot(x, x**2)
axes[1, 1].set_title('x²')

plt.tight_layout()
plt.show()

保存图片

# 保存为PNG
plt.savefig('chart.png', dpi=300, bbox_inches='tight')

# 保存为PDF（矢量图）
plt.savefig('chart.pdf', bbox_inches='tight')

# 保存为SVG（网页用）
plt.savefig('chart.svg')

实战：销售数据可视化

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 模拟月度销售数据
months = ['1月', '2月', '3月', '4月', '5月', '6月']
sales = [120, 150, 180, 140, 200, 220]
profit = [20, 30, 45, 25, 50, 60]

# 创建图形
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

# 左图：销售额趋势
ax1.plot(months, sales, 'bo-', linewidth=2, markersize=8)
ax1.set_title('月度销售额趋势', fontsize=14)
ax1.set_xlabel('月份')
ax1.set_ylabel('销售额（万元）')
ax1.grid(True, alpha=0.3)

# 添加数据标签
for i, v in enumerate(sales):
    ax1.text(i, v + 5, str(v), ha='center')

# 右图：销售额vs利润对比
x = np.arange(len(months))
width = 0.35

ax2.bar(x - width/2, sales, width, label='销售额', color='skyblue')
ax2.bar(x + width/2, profit, width, label='利润', color='orange')

ax2.set_title('销售额与利润对比', fontsize=14)
ax2.set_xlabel('月份')
ax2.set_ylabel('金额（万元）')
ax2.set_xticks(x)
ax2.set_xticklabels(months)
ax2.legend()

plt.tight_layout()
plt.savefig('sales_report.png', dpi=300, bbox_inches='tight')
plt.show()

print("图表已保存为 sales_report.png")