python中繪圖庫Matplotlib怎么用

# Python中繪圖庫Matplotlib怎么用

Matplotlib是Python中最流行的2D繪圖庫，廣泛應用于數據可視化、科學計算和機器學習等領域。本文將詳細介紹Matplotlib的安裝、基礎用法、常見圖表繪制以及高級定制技巧。

## 目錄
1. [Matplotlib簡介](#matplotlib簡介)
2. [安裝與配置](#安裝與配置)
3. [基礎繪圖](#基礎繪圖)
4. [常見圖表類型](#常見圖表類型)
5. [多圖與子圖](#多圖與子圖)
6. [樣式與美化](#樣式與美化)
7. [高級功能](#高級功能)
8. [實際應用案例](#實際應用案例)
9. [常見問題解答](#常見問題解答)

---

## Matplotlib簡介
Matplotlib由John D. Hunter于2003年創建，現已成為Python數據可視化的標準庫。主要特點包括：
- 支持多種輸出格式（PNG, PDF, SVG等）
- 高度可定制的圖形元素
- 與NumPy、Pandas無縫集成
- 提供面向對象和MATLAB風格兩種API

```python
import matplotlib.pyplot as plt
import numpy as np

安裝與配置

安裝方法

pip install matplotlib

導入約定

import matplotlib.pyplot as plt
plt.style.use('seaborn')  # 使用seaborn風格
%matplotlib inline  # Jupyter Notebook魔法命令

基礎繪圖

折線圖示例

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.figure(figsize=(8, 4))
plt.plot(x, y, label='sin(x)', color='blue', linestyle='--')
plt.title("Sine Wave")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.legend()
plt.grid(True)
plt.show()

關鍵組件說明

• figure: 畫布容器
• axes: 實際繪圖區域
• axis: 坐標軸
• title/label: 標題和標簽
• legend: 圖例

常見圖表類型

1. 散點圖

x = np.random.randn(100)
y = x + np.random.randn(100)*0.5

plt.scatter(x, y, alpha=0.6, c='green', marker='o')
plt.title("Scatter Plot")

2. 柱狀圖

labels = ['A', 'B', 'C']
values = [15, 30, 45]

plt.bar(labels, values, color=['red', 'green', 'blue'])

3. 直方圖

data = np.random.randn(1000)
plt.hist(data, bins=30, edgecolor='black')

4. 餅圖

sizes = [15, 30, 45, 10]
plt.pie(sizes, labels=['A', 'B', 'C', 'D'], autopct='%1.1f%%')

多圖與子圖

subplot基礎

plt.subplot(2, 1, 1)  # 2行1列第1個
plt.plot(x, y)

plt.subplot(2, 1, 2)
plt.scatter(x, y)

更靈活的subplots

fig, axes = plt.subplots(2, 2, figsize=(10, 6))
axes[0,0].plot(x, y)
axes[0,1].bar(labels, values)

樣式與美化

顏色與線型

plt.plot(x, y, 
         color='#FF5733',  # HEX顏色
         linestyle=':', 
         linewidth=2,
         marker='o',
         markersize=5)

使用樣式表

print(plt.style.available)  # 查看可用樣式
plt.style.use('ggplot')

自定義rc參數

plt.rcParams.update({
    'font.size': 12,
    'axes.titlesize': 16,
    'axes.labelsize': 14
})

高級功能

3D繪圖

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
x = np.random.rand(100)
y = np.random.rand(100)
z = np.random.rand(100)
ax.scatter(x, y, z)

動畫

from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()
line, = ax.plot([], [])

def init():
    ax.set_xlim(0, 2*np.pi)
    ax.set_ylim(-1, 1)
    return line,

def update(frame):
    line.set_data(x[:frame], y[:frame])
    return line,

ani = FuncAnimation(fig, update, frames=len(x), init_func=init, blit=True)

實際應用案例

股票數據可視化

import pandas as pd

data = pd.read_csv('stock.csv', parse_dates=['Date'])
plt.figure(figsize=(12, 6))
plt.plot(data['Date'], data['Close'], label='Close Price')
plt.fill_between(data['Date'], data['Low'], data['High'], alpha=0.2)

機器學習可視化

from sklearn.datasets import make_classification
X, y = make_classification(n_features=2, n_classes=3)

plt.scatter(X[:,0], X[:,1], c=y, cmap='viridis')
plt.colorbar()

常見問題解答

Q1: 中文顯示亂碼怎么辦？

plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # Mac

Q2: 如何保存高清圖片？

plt.savefig('output.png', dpi=300, bbox_inches='tight')

Q3: 如何調整圖例位置？

plt.legend(loc='upper right', bbox_to_anchor=(1.3, 1))

總結

Matplotlib提供了強大的數據可視化能力，本文涵蓋了： - 基礎繪圖流程 - 10+種常見圖表 - 樣式美化技巧 - 高級功能應用 - 實際場景案例

通過不斷實踐，你將能夠創建出專業級的可視化作品！

提示：建議結合官方文檔（https://matplotlib.org/）深入學習更多高級功能 “`

（注：實際文章需要補充更多細節說明和示例代碼，此處為精簡版框架，完整5300字版本會擴展每個章節的詳細說明、更多示例和注意事項）