极客教程Matplotlib 技巧速查
Matplotlib 是一个用于创建二维图表的 Python 库，它可以轻松地生成各种图表，包括线图、柱状图、散点图等。在数据可视化和科学计算中，Matplotlib 是一个非常强大和常用的工具。本文将详细介绍 Matplotlib 的常用功能，提供一份 Matplotlib Cheat Sheet，帮助你快速上手使用 Matplotlib。
安装 Matplotlib
在开始之前，首先需要安装 Matplotlib。你可以使用 pip 在命令行中安装 Matplotlib：
pip install matplotlib
安装完成后，就可以开始使用 Matplotlib 来绘制各种图表了。
绘制简单的线图
首先，让我们从绘制一个简单的线图开始。下面是一个简单的示例代码，它绘制了一条平滑的正弦曲线：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
plt.plot(x, y)
plt.show()
Output:
运行上面的代码，你将看到一个正弦曲线的图表。
绘制多个子图
Matplotlib 允许在同一个图表中绘制多个子图。下面这个示例代码展示了如何绘制两个子图：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
plt.subplot(2, 1, 1)
plt.plot(x, y1)
plt.subplot(2, 1, 2)
plt.plot(x, y2)
plt.show()
Output:
运行上面的代码，你将看到一个包含两个子图的图表。
添加标签和标题
在绘制图表时，添加标签和标题是很有用的。下面这个示例代码展示了如何添加标签和标题：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('y')
plt.title('Sin Curve')
plt.show()
Output:
运行上面的代码，你将看到一个带有标签和标题的正弦曲线图表。
设置坐标轴范围
有时候，我们需要手动设置坐标轴的范围，以便更好地展示数据。下面这个示例代码展示了如何设置坐标轴的范围：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
plt.plot(x, y)
plt.xlim(0, 2*np.pi)
plt.ylim(-1, 1)
plt.show()
Output:
运行上面的代码，你将看到一个设置了坐标轴范围的正弦曲线图表。
绘制柱状图
除了线图，Matplotlib 还可以绘制柱状图。下面这个示例代码展示了如何绘制一个简单的柱状图：
import matplotlib.pyplot as plt
x = ['A', 'B', 'C', 'D']
y = [10, 20, 15, 25]
plt.bar(x, y)
plt.show()
Output:
运行上面的代码，你将看到一个简单的柱状图。
添加图例
当在同一个图表中绘制多个数据集时，添加图例是很有用的。下面这个示例代码展示了如何添加图例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x, y1, label='Sin Curve')
plt.plot(x, y2, label='Cos Curve')
plt.legend()
plt.show()
Output:
运行上面的代码，你将看到一个带有图例的正弦曲线和余弦曲线图表。
绘制散点图
散点图可以用来展示两个变量之间的关系。下面这个示例代码展示了如何绘制一个简单的散点图：
import matplotlib.pyplot as plt
import numpy as np
x = np.random.rand(100)
y = np.random.rand(100)
plt.scatter(x, y)
plt.show()
Output:
运行上面的代码，你将看到一个简单的散点图。
绘制直方图
直方图可以用来展示数据的分布情况。下面这个示例代码展示了如何绘制一个简单的直方图：
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(1000)
plt.hist(data, bins=30)
plt.show()
Output:
运行上面的代码，你将看到一个简单的直方图。
设置线条样式和颜色
在绘制线图时，可以设置线条的样式和颜色。下面这个示例代码展示了如何设置线条的样式和颜色：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
plt.plot(x, y, linestyle='--', color='r')
plt.show()
Output:
运行上面的代码，你将看到一个红色虚线的正弦曲线图表。
添加网格线
在图表中添加网格线可以更好地帮助读者理解数据。下面这个示例代码展示了如何添加网格线：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
plt.plot(x, y)
plt.grid(True)
plt.show()
Output:
运行上面的代码，你将看到一个带有网格线的正弦曲线图表。
保存图表
Matplotlib 允许将图表保存为图片或 PDF 文件。下面这个示例代码展示了如何保存图表为 PNG 文件：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
plt.plot(x, y)
plt.savefig('sin_curve.png')
运行上面的代码后，你将在当前目录下看到一个名为 sin_curve.png 的文件，它是保存的正弦曲线图表。
使用子图表格
Matplotlib 提供了更灵活的子图绘制方式，可以使用 subplot2grid 来自定义子图的位置和大小。下面这个示例代码展示了如何使用子图表格：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
plt.subplot2grid((2, 2), (0, 0))
plt.plot(x, y1)
plt.subplot2grid((2, 2), (0, 1))
plt.plot(x, y2)
plt.subplot2grid((2, 2), (1, 0), colspan=2)
plt.plot(x, y1 + y2)
plt.show()
Output:
运行上面的代码，你将看到一个使用子图表格的图表，其中包含了三个子图。
自定义图表风格
Matplotlib 支持自定义图表风格，你可以通过设置不同的风格来美化图表。下面这个示例代码展示了如何设置图表风格为 ggplot：
import matplotlib.pyplot as plt
import numpy as np
plt.style.use('ggplot')
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
plt.plot(x, y)
plt.show()
Output:
运行上面的代码，你将看到一个在 ggplot 风格下的正弦曲线图表。
使用标记点
在绘制线图时，可以使用标记点来突出数据的关键点。下面这个示例代码展示了如何在正弦曲线图表中添加标记点：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
plt.plot(x, y, marker='o', markersize=5)
plt.show()
Output:
运行上面的代码，你将看到一个带有标记点的正弦曲线图表。
使用不同的图表类型
除了线图、柱状图、散点图和直方图之外，Matplotlib 还支持绘制其他类型的图表，如饼图、箱线图、热力图等。下面这个示例代码展示了如何绘制一个简单的饼图：
import matplotlib.pyplot as plt
sizes = [30, 20, 15, 35]
labels = ['A', 'B', 'C', 'D']
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
plt.show()
Output:
运行上面的代码，你将看到一个简单的饼图。