Python绘图入门：Matplotlib数据可视化教程

想要轻松玩转数据可视化？本文为你提供一份详尽的Python Matplotlib绘图入门教程，助你快速掌握数据可视化的核心技能。Matplotlib作为Python最流行的数据可视化库，功能强大且灵活，无论是绘制基础的折线图、柱状图，还是创建复杂的图表，都能轻松应对。本文将从Matplotlib的安装（`pip install matplotlib`）与导入（`import matplotlib.pyplot as plt`）开始，详细讲解如何使用`plt.plot()`绘制折线图，并通过设置标题、坐标轴标签和线条样式，让图表更具表现力。此外，还将介绍如何利用`plt.bar()`或`plt.barh()`绘制柱状图，并实现分组展示，以及如何通过`plt.show()`显示图表或使用`plt.savefig()`将图表保存为文件。同时，本文还总结了常见问题，如中文乱码的解决方案、多子图的创建以及图例的显示方法，让你在学习过程中少走弯路，快速提升数据可视化能力。

matplotlib 是 Python 中最常用的数据可视化库，适合绘制从基础到复杂的图表。1. 安装方法为 pip install matplotlib；2. 通常使用 import matplotlib.pyplot as plt 导入库；3. 使用 plt.plot() 绘制折线图并可设置标题、坐标轴标签和线条样式；4. 使用 plt.bar() 或 plt.barh() 绘制柱状图，支持分组展示；5. 图表可通过 plt.show() 显示或 plt.savefig() 保存为文件；6. 常见问题包括中文乱码通过设置字体解决、多个子图使用 plt.subplots() 创建、图例需调用 plt.legend() 显示。掌握这些方法即可满足大部分数据可视化需求。

数据可视化是理解数据的重要手段，Python 中最常用的绘图库就是 matplotlib。它功能强大、灵活，适合从基础图表到复杂图形的绘制。

安装与导入

使用 matplotlib 之前需要先安装。如果你还没装，可以用 pip 来安装：

pip install matplotlib

一般我们用 pyplot 模块来绘图，通常会这样导入：

import matplotlib.pyplot as plt

这个写法是约定俗成的，后续代码也大多按这个方式来写。

绘制折线图（Line Plot）

折线图是最基础也是最常见的图表之一，适用于展示趋势变化。

比如我们想画一个简单的 x 和 y 的关系图：

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

plt.plot(x, y)
plt.show()

上面这段代码就会显示一个斜率为 2 的直线图。你还可以加标题和坐标轴标签，让图表更清晰：

• plt.title("我的折线图")
• plt.xlabel("X 轴")
• plt.ylabel("Y 轴")

也可以设置线条颜色、样式、标记点等，例如：

plt.plot(x, y, color='red', linestyle='--', marker='o')

这些参数能让你的图表看起来更专业。

绘制柱状图（Bar Chart）

柱状图常用于比较不同类别的数值大小。假设我们有以下数据：

categories = ['A', 'B', 'C']
values = [10, 15, 7]

可以这样画图：

plt.bar(categories, values)
plt.show()

如果想横向画柱状图，换成 plt.barh() 就行了。

有时候我们会遇到“分组柱状图”，也就是每个类别下有两个或更多数据，这时候就需要调整柱子的位置，用 np.arange() 配合宽度参数就能实现。

图表保存与显示

在 Jupyter Notebook 或交互式环境中，直接调用 plt.show() 就能看到图。但在脚本中运行时，可能更希望把图保存下来。

使用下面这句就可以保存为图片文件：

plt.savefig('my_plot.png')

支持多种格式，比如 png、jpg、pdf 等，只需要改扩展名就行。

需要注意的是，在调用 plt.show() 之前调用 savefig，否则可能会保存一个空白图像，因为 show() 会清空当前图像内容。

常见问题和小技巧

• 中文显示乱码？
  默认情况下，matplotlib 可能不支持中文。你可以通过设置字体解决：

  plt.rcParams['font.sans-serif'] = ['SimHei']
  plt.rcParams['axes.unicode_minus'] = False

• 多个图放在一起？
  使用 plt.subplots() 可以创建多个子图，方便对比查看。

• 图例没显示？
  如果用了 plt.plot() 但没有显示图例，记得加上 label= 参数，并调用 plt.legend()。

基本上就这些操作，虽然简单但很容易忽略细节。掌握了这些常用方法，就能用 matplotlib 应对大部分的数据可视化需求了。

到这里，我们也就讲完了《Python绘图入门：Matplotlib数据可视化教程》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于Python,Matplotlib,绘图,数据可视化,plt.plot()的知识点！