matplotlib绘制图标教学

### 使用 Matplotlib 绘制图表教程 Matplotlib 是一个强大的 Python 数据可视化工具，能够帮助用户轻松绘制各种类型的图表。以下是几个常见的图表类型及其对应的代码示例。 #### 1. 折线图 折线图是一种常用的图表形式，适合用来展示连续变量的变化趋势。 ```python import matplotlib.pyplot as plt # 准备数据 x = [1, 2, 3, 4, 5] y = [10, 20, 25, 30, 40] # 创建画布和坐标系 fig, ax = plt.subplots() # 绘制折线图 ax.plot(x, y) # 添加标题和标签 ax.set_title('Line Chart Example') ax.set_xlabel('X-axis Label') ax.set_ylabel('Y-axis Label') # 显示图形 plt.show() ``` #### 2. 子图 (Subplots) 当需要在同一张图像中显示多个图表时，可以使用 `subplots` 方法创建子图。 ```python import matplotlib.pyplot as plt # 创建两个子图 fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(8, 4)) # 在第一个子图上绘制折线图 axes[0].plot([1, 2, 3], [4, 5, 6]) axes[0].set_title('First Subplot') # 在第二个子图上绘制柱状图 axes[1].bar(['A', 'B', 'C'], [7, 8, 9]) axes[1].set_title('Second Subplot') # 调整布局以防止重叠 plt.tight_layout() # 显示图形 plt.show() ``` #### 3. 箱线图 箱线图用于分析数据的分布情况以及检测异常值。 ```python import matplotlib.pyplot as plt import numpy as np # 随机生成四组数据 np.random.seed(42) data = np.random.normal(size=(100, 4), loc=0, scale=1.5) # 创建画布和坐标系 fig, ax = plt.subplots() # 绘制箱线图 ax.boxplot(data, notch=True, sym='o', vert=True, whis=1.5) # 设置标题和标签 ax.set_title('Box Plot Example', fontsize=16) ax.set_xlabel('Groups', fontsize=14) ax.set_ylabel('Values', fontsize=14) # 显示图形 plt.show() ``` #### 4. 等高线图 等高线图适用于二维空间中的函数可视化。 ```python import matplotlib.pyplot as plt import numpy as np # 定义网格范围 x = np.linspace(-10, 10, 100) y = np.linspace(-10, 10, 100) X, Y = np.meshgrid(x, y) # 计算 Z 值 Z = np.sqrt(X**2 + Y**2) # 绘制等高线图 plt.contourf(X, Y, Z, levels=20, cmap='viridis') # 添加颜色条 plt.colorbar(label='Contour Levels') # 设置标题和标签 plt.title('Contour Plot Example') plt.xlabel('X-axis') plt.ylabel('Y-axis') # 显示图形 plt.show() ``` #### 5. 三维图 通过引入 `mpl_toolkits.mplot3d` 模块，可以在 Matplotlib 中绘制三维图形。 ```python from mpl_toolkits.mplot3d import Axes3D import matplotlib.pyplot as plt import numpy as np # 定义网格范围 x = np.linspace(-10, 10, 100) y = np.linspace(-10, 10, 100) X, Y = np.meshgrid(x, y) # 计算 Z 值 Z = np.sin(np.sqrt(X**2 + Y**2)) / (np.sqrt(X**2 + Y**2)) # 创建三维图形对象 fig = plt.figure() ax = fig.add_subplot(111, projection='3d') # 绘制表面图 surf = ax.plot_surface(X, Y, Z, cmap='coolwarm') # 添加颜色条 fig.colorbar(surf, shrink=0.5, aspect=5) # 设置标题和标签 ax.set_title('3D Surface Plot Example') ax.set_xlabel('X-axis') ax.set_ylabel('Y-axis') ax.set_zlabel('Z-axis') # 显示图形 plt.show() ``` 以上展示了如何利用 Matplotlib 进行基本的数据可视化操作[^1]。这些例子涵盖了从简单的折线图到复杂的三维图形的各种场景。