Matplotlib 教程¶
Matplotlib 是 Python 科学计算生态中最常用的静态可视化库。它既能快速绘制折线图、散点图和柱形图，也能通过 Figure、Axes、Artist 等对象精确控制布局、坐标轴和输出格式。本教程以面向对象接口为主，示例均可保存为独立脚本运行。
学习路线¶
初学者建议依次学习安装、Pyplot、标记、线条、标题与网格，再学习多图布局和常见统计图。图像处理相关工作可直接阅读 imshow()、imread() 和 imsave()；需要统计可视化时再学习 Seaborn。
- Matplotlib 安装：安装、版本验证、后端与虚拟环境。
- Matplotlib Pyplot：状态式接口与面向对象接口。
- Matplotlib 绘图标记：数据点形状、大小和颜色。
- Matplotlib 绘图线：线型、线宽、颜色和图例。
- Matplotlib 轴标签和标题：标题、坐标标签与字体属性。
- Matplotlib 网格线：主次网格和层级控制。
- Matplotlib 绘制多图：子图、共享坐标轴和布局。
- Matplotlib 散点图：变量关系、颜色与点大小编码。
- Matplotlib 柱形图：类别比较、分组和堆叠。
- Matplotlib 饼图：少量类别的组成比例。
- Matplotlib 直方图：连续变量的频数与密度分布。
- Matplotlib imshow()：显示图像和二维矩阵。
- Matplotlib imsave()：将数组直接保存为图像。
- Matplotlib imread()：读取图像并检查数组信息。
- Matplotlib 中文显示：字体发现、局部配置和负号显示。
- Seaborn 教程：基于 DataFrame 的统计绘图。
- Matplotlib 常用函数：按任务查找高频 API。
- Matplotlib 参考文档：对象模型、参数速查与官方资源。
推荐绘图模式¶
简单探索可以直接使用 pyplot，可复用代码和生产脚本优先使用 fig, ax = plt.subplots()：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2 * np.pi, 200)
fig, ax = plt.subplots(figsize=(7, 4), layout="constrained")
ax.plot(x, np.sin(x), label="sin(x)")
ax.set(xlabel="x", ylabel="value", title="Sine wave")
ax.legend()
fig.savefig("sine-wave.png", dpi=150)
plt.show()
通用工程约定¶
- 明确 Figure 尺寸和导出 DPI，避免不同运行环境得到不可控的输出尺寸。
- 在批处理任务中使用非交互后端，保存后调用
plt.close(fig)释放内存。 - 不依赖机器默认字体、颜色循环或 GUI 后端；需要稳定复现时显式配置。
- 颜色不应是唯一的信息编码方式，同时使用标签、线型或标记照顾色觉差异。
- 先确认数据单位、缺失值和坐标尺度，再调整图表样式。
运行环境¶
多数页面只依赖 Matplotlib 和 NumPy，Seaborn 页面还需要 pandas 与 seaborn：
不同 Matplotlib 版本的参数可能有差异。正式项目应锁定依赖版本，并以当前版本的官方文档为准。