📈 Matplotlib

📖 Matplotlib：Python可视化的根基

Matplotlib是Python最基础也最重要的可视化库，几乎所有高级绘图库（Seaborn、Plotly等）都构建在它之上。掌握Matplotlib，你就能绘制任何想要的图表，并拥有完全的控制力。

1. 折线图

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2*np.pi, 100)

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, np.sin(x), 'b-', label='sin(x)', linewidth=2)
ax.plot(x, np.cos(x), 'r--', label='cos(x)', linewidth=2)
ax.set_title('折线图: sin & cos')
ax.legend()
ax.grid(True, alpha=0.3)
plt.savefig('line_chart.png', dpi=150, bbox_inches='tight')

📊 四大基础图表

柱状图

categories = ['A', 'B', 'C', 'D']
values = [23, 45, 56, 78]
colors = ['#3b82f6', '#60a5fa', '#93c5fd', '#bfdbfe']

ax.bar(categories, values, color=colors, edgecolor='white')
for i, v in enumerate(values):
    ax.text(i, v+1, str(v), ha='center')  # 数据标签

散点图

np.random.seed(42)
sx = np.random.randn(50)
sy = np.random.randn(50)

ax.scatter(sx, sy, c=np.abs(sx), cmap='coolwarm', s=100, 
           alpha=0.7, edgecolors='white')

饼图

labels = ['Python', 'R', 'SQL', 'Java', '其他']
sizes = [35, 20, 25, 12, 8]
explode = (0.05, 0, 0, 0, 0)

ax.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%')

🎨 子图布局与样式

子图布局

# 2×2子图
fig, axes = plt.subplots(2, 2, figsize=(12, 10))
axes[0,0].plot(...)   # 左上
axes[0,1].bar(...)    # 右上
axes[1,0].scatter(...)  # 左下
axes[1,1].pie(...)    # 右下

# 不规则布局
fig = plt.figure(figsize=(12, 8))
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(212)  # 占满底部

深色主题

plt.style.use('dark_background')
# 或手动设置
plt.rcParams.update({
    'figure.facecolor': '#0f0f1a',
    'axes.facecolor': '#1a1a2e',
    'text.color': '#e0e0e0',
    'axes.labelcolor': '#e0e0e0',
})

📐 2024-2025 可视化前沿

• Matplotlib 3.9+：更好的3D支持和动画性能
• 科学绘图：SciencePlots库，一键论文级图表
• 交互式：mpld3将Matplotlib图表转为交互式D3.js
• 大规模数据：Datashader渲染百万级数据点
• AI辅助：ChatGPT/Copilot生成Matplotlib代码

🎨 图表美化技巧

# 自定义调色板
blue_palette = ['#0f172a','#1e40af','#3b82f6','#60a5fa','#93c5fd']

# 注释与标注
ax.annotate('最大值', 
    xy=(np.pi/2, 1),
    xytext=(2, 0.8),
    arrowprops=dict(arrowstyle='->', color='#60a5fa', lw=2),
    fontsize=12, color='#60a5fa')

# 文本框
ax.text(0.5, -0.5, 'y = sin(x)', fontsize=14,
    bbox=dict(boxstyle='round', facecolor='#1a1a2e',
              edgecolor='#3b82f6', alpha=0.8),
    color='#e0e0e0')

📊 高级图表类型

# 堆叠柱状图
ax.bar(categories, product_a, label='A', color='#3b82f6')
ax.bar(categories, product_b, bottom=product_a, label='B', color='#60a5fa')

# 水平柱状图
ax.barh(categories, values, color='#3b82f6')

# 面积图
ax.fill_between(x, np.sin(x), alpha=0.3, color='#3b82f6')

# 热力图(Matplotlib版)
data = np.random.randn(10, 10)
im = ax.imshow(data, cmap='coolwarm', aspect='auto')
plt.colorbar(im, ax=ax)

💻 完整实战代码

#!/usr/bin/env python3
# Matplotlib — 完整实战

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np

# ============ 折线图 ============
x = np.linspace(0, 2*np.pi, 100)
fig, axes = plt.subplots(2, 2, figsize=(12, 10))

axes[0,0].plot(x, np.sin(x), 'b-', label='sin(x)', linewidth=2)
axes[0,0].plot(x, np.cos(x), 'r--', label='cos(x)', linewidth=2)
axes[0,0].set_title('折线图: sin & cos')
axes[0,0].legend()
axes[0,0].grid(True, alpha=0.3)

# ============ 柱状图 ============
categories = ['A', 'B', 'C', 'D']
values = [23, 45, 56, 78]
colors = ['#3b82f6', '#60a5fa', '#93c5fd', '#bfdbfe']
axes[0,1].bar(categories, values, color=colors, edgecolor='white')
axes[0,1].set_title('柱状图')
for i, v in enumerate(values):
    axes[0,1].text(i, v+1, str(v), ha='center')

# ============ 散点图 ============
np.random.seed(42)
sx = np.random.randn(50)
sy = np.random.randn(50)
axes[1,0].scatter(sx, sy, c=np.abs(sx), cmap='coolwarm', s=100, alpha=0.7, edgecolors='white')
axes[1,0].set_title('散点图')
axes[1,0].grid(True, alpha=0.3)

# ============ 饼图 ============
labels = ['Python', 'R', 'SQL', 'Java', '其他']
sizes = [35, 20, 25, 12, 8]
explode = (0.05, 0, 0, 0, 0)
axes[1,1].pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
              colors=['#3b82f6','#60a5fa','#93c5fd','#bfdbfe','#dbeafe'])
axes[1,1].set_title('饼图')

plt.tight_layout()
plt.savefig('charts.png', dpi=100, bbox_inches='tight')
print("图表已保存")

# ============ 深色主题 ============
plt.style.use('dark_background')
fig2, ax = plt.subplots(figsize=(8, 4))
ax.plot(np.cumsum(np.random.randn(100)), color='#3b82f6', linewidth=1.5)
ax.set_title('随机游走')
ax.grid(True, alpha=0.2)
plt.savefig('dark.png', dpi=100, bbox_inches='tight')
print("深色主题图表已保存")

print("\n✅ Python验证通过 — 折线/柱状/散点/饼图")

📝 课后练习

1. 用Matplotlib绘制5种不同类型的图表
2. 实现双Y轴图表（左轴温度，右轴降水量）
3. 创建一个包含注释和箭头的图表
4. 实现动画图表（FuncAnimation）
5. 自定义一套适合论文的图表样式

🗺️ 图表类型选择指南

Matplotlib保存参数指南

🔑 本课关键要点

# Matplotlib速查
fig, ax = plt.subplots(figsize=(10, 6))

# 四大图表
ax.plot(x, y)              # 折线
ax.bar(categories, values) # 柱状
ax.scatter(x, y)           # 散点
ax.pie(sizes, labels=labs) # 饼图

# 美化
ax.set_title('标题')
ax.set_xlabel('X轴')
ax.legend()
ax.grid(True, alpha=0.3)

# 保存
plt.savefig('fig.png', dpi=150, bbox_inches='tight')