Python 数据可视化：Matplotlib 介绍 – wiki基地

作者： /

Python 数据可视化：Matplotlib 介绍

数据是现代社会的重要组成部分，而数据可视化是将复杂的数据集转化为易于理解的图形或图像的过程。它能帮助我们发现数据中的模式、趋势、异常和关联，是数据分析、科学研究、商业决策乃至日常沟通不可或缺的工具。在众多编程语言和工具中，Python 凭借其强大的生态系统和丰富的库，成为了数据科学领域的主流语言。而在 Python 的数据可视化领域，Matplotlib 库无疑是最基石、最重要，也是最广泛使用的库之一。

本文将带您深入了解 Matplotlib，从它的基本概念、安装使用到核心组件和常用图表类型，助您迈出 Python 数据可视化的第一步。

1. 什么是 Matplotlib？

Matplotlib 是一个用于创建静态、交互式和动画可视化的 Python 库。它的设计目标是模仿 MATLAB 的绘图功能，因此对于有 MATLAB 使用经验的人来说，Matplotlib 会感觉非常熟悉。自2003年发布以来，Matplotlib 凭借其强大的功能、高度的灵活性和广泛的社区支持，迅速成为 Python 科学计算和数据分析领域标准的绘图库。

Matplotlib 可以生成各种格式的出版物质量的图形，包括线图、散点图、柱状图、直方图、饼图等。它支持跨平台，可以在不同的操作系统和环境中运行，并且可以与 NumPy、Pandas 等科学计算库无缝集成。

2. 为什么选择 Matplotlib？

选择 Matplotlib 有以下几个主要原因：

  • 功能强大且灵活： Matplotlib 提供了对图表元素的细粒度控制。从线条的粗细、颜色到轴的标签、刻度，几乎每一个细节都可以调整，从而创建出高度定制化的图表。
  • 图表类型丰富： 它支持绘制几乎所有常见的二维图表类型，也能进行简单的三维绘图。无论是探索性数据分析还是结果展示，它都能满足基本需求。
  • 与 Python 生态系统集成良好： Matplotlib 与 NumPy 数组和 Pandas 数据结构紧密集成，可以直接对这些数据进行绘图，非常方便。
  • 庞大的社区和详尽的文档： 由于其广泛的应用，Matplotlib 拥有一个庞大且活跃的社区。遇到问题时，很容易找到解决方案。官方文档也非常详细和完善。
  • 作为其他库的基础： 许多更高级的可视化库（如 Seaborn）都是构建在 Matplotlib 之上的，理解 Matplotlib 有助于更好地使用这些库。

3. Matplotlib 的核心组件：解剖一张图

理解 Matplotlib 的核心概念是掌握它的关键。一张 Matplotlib 图可以被分解为几个主要组件：

  • Figure (画布/图窗): 这是最高层的容器，可以被认为是整个图表的窗口或页面。一张 Figure 可以包含一个或多个 Axes。您可以把它想象成一张白纸。
    • 通常通过 plt.figure() 创建。
  • Axes (坐标系/子图): 这是您真正绘制数据的地方。一个 Axes 是一个带有数据空间（如 x 轴和 y 轴）的绘图区域。一个 Figure 可以有多个 Axes（例如，在同一个图窗中并排放置两个图表）。您可以把它想象成白纸上的一个具体的绘图区域，包含坐标轴、标题等。
    • 通常通过 fig.add_subplot() 或更常用的 plt.subplots() 创建。
  • Artist (艺术家): 这是 Figure 中所有可见元素的基类。几乎所有您在图中看到的东西都是一个 Artist 的实例，包括 Axes 对象、Line2D 对象、Text 对象等等。Artist 知道如何在其关联的 Axes 上绘制自己。
    • 例如，ax.plot() 方法会创建一个 Line2D Artist 并将其添加到 Axes 中。
  • Backend (后端): Matplotlib 可以生成多种格式的输出，并在不同的用户界面环境中显示。Backend 就是负责将图表渲染到特定输出（屏幕、文件等）的组件。常见的 Backend 有 Agg (用于文件输出)、TkAgg, Qt5Agg (用于GUI显示)等。

理解 Figure 和 Axes 的区别非常重要。 Figure 是整个容器，Axes 是容器内的具体绘图区域。您可以把 Figure 看作画框，Axes 看作画框里的画。您可以在同一个画框里放多幅画（多个 Axes），但数据是绘制在 Axes 上的。

4. 安装 Matplotlib

安装 Matplotlib 非常简单，通常使用 pip 包管理器：

bash
pip install matplotlib

如果您使用的是 Anaconda 发行版，Matplotlib 通常已经预装好了。如果没有，可以使用 conda 进行安装：

bash
conda install matplotlib

5. 迈出第一步：使用 Pyplot 绘制基本图表

Matplotlib 最常用、也是最容易上手的部分是 matplotlib.pyplot 模块。pyplot 提供了一个函数集合，使得 Matplotlib 的工作方式类似于 MATLAB。大多数简单的绘图任务都可以通过 pyplot 完成。

示例 1：绘制简单的线图

“`python
import matplotlib.pyplot as plt # 导入 pyplot 模块，通常别名为 plt
import numpy as np # 导入 NumPy 用于生成数据

生成一些示例数据

x = np.linspace(0, 10, 100) # 生成0到10之间100个等间距点
y = np.sin(x) # 计算对应点的正弦值

使用 pyplot 绘制线图

plt.plot(x, y)

添加标题和轴标签

plt.title(“Simple Sine Wave”)
plt.xlabel(“X-axis”)
plt.ylabel(“Y-axis”)

显示图表

plt.show()
“`

代码解释：

  • import matplotlib.pyplot as plt: 导入 pyplot 模块并给它一个简短的别名 plt，这是 Python 社区的惯例。
  • import numpy as np: 导入 NumPy，我们将用它来创建示例数据。
  • np.linspace(0, 10, 100): 创建一个 NumPy 数组，包含从0到10（包括10）之间均匀分布的100个点。
  • np.sin(x): 计算 x 数组中每个元素的正弦值。
  • plt.plot(x, y): 这是绘制图表的核心函数。它接受 x 值和 y 值作为输入，并默认绘制一条连接这些点的线。
  • plt.title(), plt.xlabel(), plt.ylabel(): 这些函数用于为图表添加标题和坐标轴标签。
  • plt.show(): 这个函数会显示当前创建的所有 Figure。在脚本中运行 Matplotlib 时，需要调用 plt.show() 才能看到图表。在 Jupyter Notebook 或 IPython 环境中，通常不需要显式调用 show()，图表会自动显示。

示例 2：绘制多条线

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

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

在同一张图上绘制两条线

plt.plot(x, y1, label=’sin(x)’) # 添加 label 用于图例
plt.plot(x, y2, label=’cos(x)’)

plt.title(“Sine and Cosine Waves”)
plt.xlabel(“X-axis”)
plt.ylabel(“Y-axis”)

添加图例

plt.legend()

plt.show()
“`

通过多次调用 plt.plot()，可以在同一个 Axes 上绘制多条线。label 参数用于标识每条线，然后通过 plt.legend() 函数显示图例。

6. 掌握核心：对象导向 (OO) 接口

虽然 pyplot 接口对于快速绘图非常方便，但在创建更复杂、更具定制性的图表，或者处理包含多个子图的 Figure 时，推荐使用 Matplotlib 的对象导向 (OO) 接口。

OO 接口的核心思想是：显式地创建 Figure 和 Axes 对象，然后调用这些对象的方法来进行绘图和设置。

示例：使用 OO 接口绘制线图

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

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

创建一个 Figure 对象和一个 Axes 对象

fig 是 Figure 对象, ax 是 Axes 对象

subplots() 是一个方便的函数，可以同时创建 Figure 和 Axes

fig, ax = plt.subplots()

在 Axes 对象上绘制数据

ax.plot(x, y)

使用 Axes 对象的方法设置标题和标签

ax.set_title(“Simple Sine Wave (OO Interface)”)
ax.set_xlabel(“X-axis”)
ax.set_ylabel(“Y-axis”)

显示图表 (仍然需要 plt.show() 来显示 fig 对象)

plt.show()
“`

与 Pyplot 接口的对比：

  • Pyplot (plt): 状态机风格。它会自动创建 Figure 和 Axes，并在内部跟踪当前的 Figure 和 Axes。函数调用（如 plt.plot()）会作用于当前活动的 Axes。简单快捷，适合快速绘图。
  • OO Interface (fig, ax): 显式地创建和操作对象。您拥有 Figure 和 Axes 对象的引用，直接调用它们的方法（如 ax.plot(), ax.set_title()）。更灵活，尤其是在处理多个子图时，可以明确指定在哪个 Axes 上绘图。更适合复杂和可编程的绘图任务。

对于更复杂的应用，尤其是当您需要在同一个 Figure 中创建多个独立的图表时，OO 接口的优势就非常明显了。

示例：使用 OO 接口绘制多个子图

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

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.sin(x) + np.cos(x)

创建一个 2×2 的 Figure 和 Axes 数组

sharey=True 表示共享 y 轴刻度

fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(8, 6), sharey=True)

axes 是一个二维 NumPy 数组，通过索引访问每个 Axes

ax1 = axes[0, 0] # 左上角的 Axes
ax2 = axes[0, 1] # 右上角的 Axes
ax3 = axes[1, 0] # 左下角的 Axes
ax4 = axes[1, 1] # 右下角的 Axes

在每个 Axes 上绘制数据

ax1.plot(x, y1, ‘r-‘) # 红色实线
ax2.plot(x, y2, ‘g–‘) # 绿色虚线
ax3.plot(x, y3, ‘b.’) # 蓝色点
ax4.plot(x, y1*y2, ‘k:’) # 黑色点划线

设置每个子图的标题

ax1.set_title(‘sin(x)’)
ax2.set_title(‘cos(x)’)
ax3.set_title(‘sin(x) + cos(x)’)
ax4.set_title(‘sin(x) * cos(x)’)

可以为整个 Figure 设置一个总标题 (可选)

fig.suptitle(“Multiple Subplots Example”, fontsize=16)

调整子图之间的间距，避免重叠

plt.tight_layout(rect=[0, 0.03, 1, 0.95]) # rect 参数给总标题留出空间

显示图表

plt.show()
“`

plt.subplots(nrows, ncols) 函数创建了一个 Figure 和一个包含 nrows * ncols 个 Axes 的数组。通过索引 axes[i, j] 可以访问并操作特定的 Axes 对象。这使得管理多个子图变得非常直观和方便。

7. 常用图表类型

Matplotlib 支持绘制各种类型的图表。以下是一些最常见的：

  • 线图 (Line Plot): 使用 plot() 函数。连接数据点，显示趋势或随时间/顺序的变化。
  • 散点图 (Scatter Plot): 使用 scatter() 函数。绘制离散的数据点，显示两个变量之间的关系或分布。
  • 柱状图 (Bar Chart): 使用 bar() (垂直) 或 barh() (水平) 函数。用于比较不同类别的数据。
  • 直方图 (Histogram): 使用 hist() 函数。显示数据的分布情况，将数据分成 bins 并统计每个 bin 中的数据个数。
  • 饼图 (Pie Chart): 使用 pie() 函数。显示部分占总体的比例。
  • 箱线图 (Box Plot): 使用 boxplot() 函数。显示数据的分布、中位数、四分位数、异常值等。
  • 小提琴图 (Violin Plot): 使用 violinplot() 函数。结合了箱线图和核密度估计，显示数据的分布形状。
  • 热力图 (Heatmap): 通常使用 imshow() 或 matshow() 结合颜色映射。显示二维数据的强度。
  • 三维图 (3D Plotting): 需要导入 mplot3d 工具包。可以绘制三维散点图、曲面图等。

每种图表类型都有其特定的函数和参数，但核心的使用模式（导入库 -> 准备数据 -> 创建 Figure/Axes (OO) 或直接调用 pyplot 函数 -> 设置标题/标签 -> 显示）是相似的。

8. 图表定制与美化

Matplotlib 提供了丰富的选项来定制和美化您的图表，使其更具表现力和吸引力。

  • 颜色、线型、标记:
    • 在 plot() 或 scatter() 函数中，可以使用格式字符串 (e.g., 'r--' 表示红色虚线) 或关键字参数 (e.g., color='green', linestyle='dashed', marker='o') 来控制外观。
  • 图例 (Legend):
    • 在 plot() 或 scatter() 等函数中设置 label 参数，然后调用 ax.legend() 或 plt.legend() 来显示图例。
  • 轴范围 (Axis Limits):
    • 使用 ax.set_xlim(min, max) 和 ax.set_ylim(min, max) 或 plt.xlim(min, max) 和 plt.ylim(min, max) 来手动设置坐标轴的显示范围。
  • 网格线 (Grid):
    • 使用 ax.grid(True) 或 plt.grid(True) 添加网格线。
  • 文本和注解 (Text and Annotations):
    • 使用 ax.text(x, y, text) 或 plt.text(x, y, text) 在指定位置添加文本。
    • 使用 ax.annotate(text, xy=(x, y), xytext=(x_text, y_text), arrowprops=...) 或 plt.annotate(...) 添加带箭头的注解。
  • 刻度和标签 (Ticks and Tick Labels):
    • 可以使用 ax.set_xticks(), ax.set_xticklabels() 等方法来更精细地控制刻度位置和显示的文本。
  • 图形大小 (Figure Size):
    • 在创建 Figure 时通过 plt.figure(figsize=(width, height)) 或 plt.subplots(figsize=(width, height)) 设置 Figure 的大小（单位为英寸）。
  • 样式 (Styles):
    • Matplotlib 提供了一些预设的样式，可以使用 plt.style.use('stylename') 来改变图表的整体外观。例如 'ggplot', 'seaborn-v0_8', 'fivethirtyeight' 等。

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

使用一个预设样式

plt.style.use(‘seaborn-v0_8-darkgrid’) # 尝试不同的样式

x = np.linspace(0, 10, 100)
y = np.exp(-x/2) * np.sin(x)

fig, ax = plt.subplots(figsize=(7, 4)) # 设置图表大小

绘制线图并定制样式和标记

ax.plot(x, y, color=’purple’, linestyle=’-‘, linewidth=2, marker=’o’, markersize=5, label=’Damped Oscillation’)

添加标题和标签

ax.set_title(“Customized Plot Example”, fontsize=14)
ax.set_xlabel(“Time (s)”, fontsize=12)
ax.set_ylabel(“Amplitude”, fontsize=12)

设置轴范围

ax.set_ylim(-0.5, 0.5)

添加图例

ax.legend(loc=’upper right’) # 设置图例位置

添加网格线 (如果样式没有自带)

ax.grid(True)

添加注解

ax.annotate(“Peak”, xy=(x[np.argmax(y)], np.max(y)), xytext=(3, 0.4),
arrowprops=dict(facecolor=’black’, shrink=0.05))

plt.show()
“`

通过这些定制选项，您可以创建出专业且信息丰富的可视化图表。

9. 集成 NumPy 和 Pandas

Matplotlib 与 Python 的科学计算栈（尤其是 NumPy 和 Pandas）集成得非常好。可以直接将 NumPy 数组或 Pandas Series/DataFrame 作为数据输入进行绘图。

“`python
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

创建一个 Pandas DataFrame

data = {‘Category’: [‘A’, ‘B’, ‘C’, ‘D’, ‘E’],
‘Value’: np.random.randint(10, 100, 5),
‘Value2’: np.random.randint(50, 150, 5)}
df = pd.DataFrame(data)

使用 Pandas DataFrame 绘制柱状图

Pandas 内置了基于 Matplotlib 的绘图方法

df.plot(x=’Category’, y=’Value’, kind=’bar’, rot=0) # rot=0 防止 x 轴标签旋转
plt.title(“Bar Chart from Pandas DataFrame”)
plt.ylabel(“Value”)
plt.xlabel(“Category”)
plt.show()

也可以直接从 DataFrame 列获取数据，用 Matplotlib 绘制

fig, ax = plt.subplots()
ax.scatter(df[‘Value’], df[‘Value2’])
ax.set_title(“Scatter Plot from Pandas DataFrame Columns”)
ax.set_xlabel(“Value”)
ax.set_ylabel(“Value2”)
plt.show()
“`

Pandas 的 .plot() 方法实际上是调用了 Matplotlib，为常见的数据可视化任务提供了更便捷的接口。但底层仍然是 Matplotlib，所以您可以使用 Matplotlib 的方法对 Pandas 生成的图表进行进一步定制。

10. 保存图表

创建好图表后，您需要将其保存到文件以便分享或使用。使用 savefig() 函数可以轻松实现。

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

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

fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title(“Plot to Save”)

保存图表到文件

指定文件名和格式 (根据文件扩展名自动识别，或通过 format 参数指定)

plt.savefig(“sine_wave.png”) # 保存为 PNG 格式 (位图)
plt.savefig(“sine_wave.pdf”) # 保存为 PDF 格式 (矢量图)
plt.savefig(“sine_wave.svg”) # 保存为 SVG 格式 (矢量图)

可以指定 dpi 来控制位图的分辨率 (dots per inch)

plt.savefig(“sine_wave_high_res.png”, dpi=300)

也可以指定 bbox_inches=’tight’ 来去除图表周围的空白区域

plt.savefig(“sine_wave_tight.png”, bbox_inches=’tight’)

注意：savefig() 应该在 show() 之前调用，否则可能会保存空白图

plt.show() # 如果希望在保存后仍然显示，则保留 show()

print(“Plots saved.”)
“`

savefig() 支持多种文件格式，包括 PNG (Portable Network Graphics), PDF (Portable Document Format), SVG (Scalable Vector Graphics), JPG (Joint Photographic Experts Group) 等。对于出版或需要缩放而不会失真的图表，推荐使用矢量图格式如 PDF 或 SVG。

11. Matplotlib 的局限性与替代方案 (简述)

尽管 Matplotlib 功能强大，但它也有一些潜在的局限性：

  • 默认风格可能过时： 默认的图表风格有时看起来比较基础或过时。不过，通过样式表和定制可以克服这一点。
  • 复杂图表代码可能冗长： 对于一些非常复杂的图表或高度交互式的可视化，使用 Matplotlib 直接编写代码可能会比较冗长和繁琐。

因此，Python 生态系统中也涌现出了许多构建在 Matplotlib 之上或提供不同理念的可视化库：

  • Seaborn: 构建在 Matplotlib 之上的高级统计数据可视化库，提供了更美观的默认样式和用于绘制复杂统计图表（如热力图、联合分布图）的简洁接口。
  • Plotly: 创建交互式在线图表的库，支持多种语言，生成的图表可以在 web 浏览器中缩放、平移和显示信息。
  • Bokeh: 用于创建交互式 Web 可视化的库，侧重于流式数据和大型数据集。
  • Altair: 基于 Vega-Lite 的声明式可视化库，使用简洁的语法描述图表，自动处理大部分绘图细节。

这些库通常用于特定的目的（如 Seaborn 用于统计可视化，Plotly/Bokeh 用于交互式 Web 可视化），但理解 Matplotlib 仍然是使用这些库的基础，因为它们中的许多都允许您在更高层的功能之上使用 Matplotlib 进行底层定制。

12. 总结

Matplotlib 是 Python 数据可视化的基石，提供了创建各种静态图表的强大功能和极高的灵活性。掌握其核心概念（Figure, Axes, Artist）和两种主要接口（Pyplot 和 OO 接口）是高效使用它的关键。通过学习如何使用不同的函数绘制常见图表类型，并利用丰富的定制选项进行美化，您可以将数据转化为清晰、有洞察力的视觉呈现。

尽管存在一些更高级或更专业的替代方案，但 Matplotlib 仍然是许多数据科学工作流程中不可或缺的工具。无论您是进行探索性数据分析、准备研究报告还是构建数据驱动的应用，Matplotlib 都是您工具箱中一个极其有价值的库。

最好的学习方式是动手实践。尝试使用不同的数据集，绘制不同的图表类型，并探索 Matplotlib 的各种定制选项。随着您的实践，您将越来越熟练地使用 Matplotlib 讲述您的数据故事。

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注

滚动至顶部