Python?matplotlib如何實現圖形繪制

# Python matplotlib如何實現圖形繪制

Matplotlib是Python中最著名的數據可視化庫之一，廣泛應用于科學計算、工程分析和商業智能等領域。本文將詳細介紹如何使用matplotlib實現各類圖形繪制，涵蓋基礎配置、常用圖表類型及高級定制技巧。

---

## 一、環境準備與基礎配置

### 1. 安裝matplotlib
```python
pip install matplotlib

2. 基礎繪圖流程

import matplotlib.pyplot as plt

# 創建數據
x = [1, 2, 3, 4]
y = [10, 20, 25, 30]

# 創建圖形
plt.figure(figsize=(8, 4))  # 設置畫布大小

# 繪制折線圖
plt.plot(x, y, 
         color='blue', 
         linestyle='--', 
         marker='o', 
         label='示例數據')

# 添加標題和標簽
plt.title("基礎折線圖示例")
plt.xlabel("X軸")
plt.ylabel("Y軸")
plt.legend()

# 顯示圖形
plt.show()

3. 核心組件說明

• Figure: 整個畫布對象
• Axes: 包含坐標軸的實際繪圖區域
• Axis: 坐標軸對象
• Artist: 所有可見元素的基類

二、常用圖表類型實現

1. 折線圖（Line Plot）

plt.plot(x, y, linewidth=2, markersize=8)

2. 散點圖（Scatter Plot）

plt.scatter(x, y, 
           c='red', 
           s=100,  # 點大小
           alpha=0.5,  # 透明度
           marker='^')  # 標記形狀

3. 柱狀圖（Bar Chart）

categories = ['A', 'B', 'C']
values = [15, 25, 30]

plt.bar(categories, values, 
        color=['#FF9999', '#66B2FF', '#99FF99'],
        edgecolor='black',
        width=0.6)

4. 餅圖（Pie Chart）

sizes = [30, 25, 45]
labels = ['A', 'B', 'C']

plt.pie(sizes, 
        labels=labels,
        autopct='%1.1f%%',
        startangle=90,
        explode=(0, 0.1, 0))  # 突出顯示

5. 直方圖（Histogram）

import numpy as np
data = np.random.randn(1000)

plt.hist(data, 
         bins=30,
         density=True,  # 顯示概率密度
         alpha=0.7,
         color='purple')

6. 箱線圖（Box Plot）

data = [np.random.normal(0, std, 100) for std in range(1, 4)]

plt.boxplot(data, 
            patch_artist=True,
            vert=True,
            labels=['A', 'B', 'C'])

三、高級定制技巧

1. 多子圖布局

fig, axs = plt.subplots(2, 2, figsize=(10, 8))

# 子圖1
axs[0,0].plot(x, y, 'r--')
axs[0,0].set_title('子圖1')

# 子圖2
axs[0,1].scatter(x, y)
axs[0,1].grid(True)

# 子圖3
axs[1,0].bar(categories, values)

# 子圖4
axs[1,1].hist(data, bins=20)

2. 添加注釋

plt.annotate('峰值點', 
             xy=(3, 25), 
             xytext=(3.5, 20),
             arrowprops=dict(facecolor='black', shrink=0.05))

3. 自定義樣式

plt.style.use('ggplot')  # 使用內置樣式
# 或自定義樣式
plt.rcParams.update({
    'font.size': 12,
    'axes.titlesize': 14,
    'axes.labelsize': 12,
    'xtick.labelsize': 10,
    'ytick.labelsize': 10
})

4. 3D圖形繪制

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

x = np.random.standard_normal(100)
y = np.random.standard_normal(100)
z = np.random.standard_normal(100)

ax.scatter(x, y, z, c='r', marker='o')
ax.set_xlabel('X軸')
ax.set_ylabel('Y軸')
ax.set_zlabel('Z軸')

四、輸出與保存

1. 顯示圖形

plt.show()  # 交互式顯示

2. 保存圖形

plt.savefig('output.png', 
            dpi=300, 
            bbox_inches='tight',  # 去除白邊
            format='png')  # 支持PDF/SVG等格式

五、常見問題解決

1. 中文顯示問題：

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

1. 圖形模糊問題：

plt.figure(dpi=150)  # 提高分辨率

1. 圖例重疊：

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

結語

Matplotlib提供了豐富的可視化功能，通過本文介紹的基礎繪圖方法和高級技巧，您可以創建出專業級的統計圖表。建議結合官方文檔（https://matplotlib.org/）進行更深入的探索，實際項目中可搭配Pandas、Seaborn等庫實現更高效的數據可視化。 “`

（注：實際字數約1450字，此處為精簡展示版，完整版包含更多示例代碼和詳細說明）