Matplotlib

Matplotlib 是 Python 中最基础且最重要的数据可视化库。它提供了强大的、面向对象的 API，可以绘制出各种静态、动态或交互式的图表，是数据分析和科学研究中不可或缺的工具。

Matplotlib 核心概念

Matplotlib 的核心是它的层次结构，理解这个结构是定制复杂图形的关键。

1. 层次结构：Figure, Axes, Axis

当你使用 Matplotlib 绘图时，你是在构建一个包含不同组件的层次结构：

• Figure (画布)： 顶层容器，可以理解为整个窗口或页面。它包含了所有的子图 (Axes) 和标题、图例等。

• Axes (子图/坐标系)： 实际绘图区域，是数据点、线条、文本等元素绘制的地方。一个 Figure 可以包含多个 Axes，每个 Axes 都有独立的 X 轴和 Y 轴。

• Axis (坐标轴)： 负责处理刻度线 (Ticks)、刻度标签 (Tick Labels) 和轴标签 (Labels)。

2. 两种绘图接口

Matplotlib 主要有两种使用方式：

学习建议： 掌握 OO 接口是进行高级定制和创建复杂图形的最佳途径。

---

Matplotlib 基础绘图与 OO 接口

3. 使用面向对象接口绘图

这是 Matplotlib 的标准实践，用于获得最大的控制权：

1. 创建 Figure 和 Axes： 使用 plt.subplots() 函数。

   • fig, ax = plt.subplots()

   • fig 是 Figure 对象，ax 是 Axes 对象 (一个子图)。

   • 对于多子图：fig, axs = plt.subplots(nrows, ncols)，此时 axs 是一个 Axes 对象的 NumPy 数组。

2. 调用 Axes 方法绘图： 调用 Axes 对象的绘图方法，而不是 plt. 函数。

   • ax.plot(x, y) 绘制折线图。

   • ax.scatter(x, y) 绘制散点图。

4. 常用基本图表

所有这些绘图方法都应通过 Axes 对象 (ax.) 调用：

5. 样式定制 (Customization)

通过设置 Axes 对象的方法来美化和注释图表：

• 设置标签和标题：

  • ax.set_title('图表标题')

  • ax.set_xlabel('X 轴标签')

  • ax.set_ylabel('Y 轴标签')

• 添加图例： ax.legend(['数据系列1', '数据系列2'])

• 设置刻度范围： ax.set_xlim(min_val, max_val), ax.set_ylim(min_val, max_val)

• 添加网格线： ax.grid(True)

---

复杂布局与进阶操作

6. 多子图 (Subplots)

使用 plt.subplots() 是创建多子图布局最简单且最推荐的方法。

• 创建 2 行 1 列： fig, (ax1, ax2) = plt.subplots(2, 1)

  • ax1 和 ax2 是独立的 Axes 对象，可以分别在其上绘图。

• 共享轴： 在创建子图时可以指定共享 X 或 Y 轴。

  • plt.subplots(2, 1, sharex=True)

7. 保存图形

使用 Figure 对象的方法将图形保存到文件：

• fig.savefig('my_plot.png', dpi=300)

  • dpi 参数控制图片的分辨率。

  • 支持多种格式：.png, .jpg, .pdf, .svg 等。

8. 颜色、标记与线型 (Colormaps, Markers, Linestyles)

Matplotlib 提供了丰富的参数来控制图形的视觉样式：

• 颜色 (Color)： 可以在绘图方法中使用 color 参数指定颜色名称（如 'r' 代表红色, 'b' 代表蓝色）或十六进制代码。

• 线型 (Linestyle)： 使用 linestyle 或简写 ls 参数（如 '-' 实线, '--' 虚线）。

• 标记 (Marker)： 使用 marker 参数指定数据点的形状（如 'o' 圆圈, '^' 三角形）。

示例： ax.plot(x, y, color='green', linestyle='--', marker='o')

---

笔记整理与常用速查表