Python Matplotlib 实现基础绘图

1、Matplotlib 的三层结构

Matplotlib 是一个用于在 Python 中创建二维图表的库。为了更好地理解和使用 Matplotlib，重要的是要了解其三层结构：容器层（Container Layer）、辅助显示层（Helper Layer）和图像层（Artist Layer）。这些层级构成了 Matplotlib 的绘图体系结构。

1）容器层（Container Layer）

2） 辅助显示层（Helper Layer）

辅助显示层是对容器层的补充，提供了一系列方便的方法来创建常见的图表（如直方图、折线图等），并处理诸如刻度定位、布局和颜色映射等常见情况。

3）图像层（Artist Layer）

图像层是 Matplotlib 的核心层，包含了用于绘制图表的所有对象（称为艺术家对象，或简称“艺术家”）。

2、使用画布（Figure）

Matplotlib 中，画布是指整个图形界面或图形的总体背景，通常在绘图之前设置。在 Matplotlib 中，画布由 Figure 对象表示。可以通过调整 Figure 对象的属性来自定义画布的大小、分辨率和边框等。plt.figure() 函数用于创建新的图形窗口，并提供了许多用于自定义这些图形窗口的参数。常用参数如下，

使用示例：

import matplotlib.pyplot as plt

# 创建画布（Figure）
fig = plt.figure(figsize=(10, 6),   # 图形大小为 10x6 英寸
           dpi=80,            # 分辨率为 80 dpi
           facecolor='white', # 背景色为白色
           edgecolor='blue',  # 边框颜色为蓝色
           frameon=True,      # 绘制图形边框
           num='MyFigure',    # 图形的名称为 'MyFigure'
           tight_layout=True) # 使用 tight layout 自动调整布局

# 在画布上添加一个轴（Axes）
ax = fig.add_subplot(111)

# 在轴上绘图
ax.plot([1, 2, 3, 4], [10, 20, 25, 30], marker='o', color='b')

# 设置标题和轴标签
ax.set_title("Simple Plot on Custom Figure")
ax.set_xlabel("X Axis")
ax.set_ylabel("Y Axis")

# 将画布设置为活动画布
plt.set_current_fig(fig)

# 使用 plt.draw() 显示画布
plt.draw()
# 显示图形
plt.show()

3、绘制折线图

折线图是最基本的图表类型，通常用于显示随时间变化的数据。plt.plot() 函数是用于创建线图的基本工具。常用参数如下，

使用示例：

import matplotlib.pyplot as plt

# 示例数据
x = range(1, 6)
y = [1, 4, 6, 8, 4]

# 创建线图
plt.plot(x, y, color='green', linestyle='--', linewidth=2, marker='o', markersize=10, label='Data Line', alpha=0.7)

# 添加图例
plt.legend()

# 添加标题和轴标签
plt.title('Line Plot Example')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图表
plt.show()

4、 绘制散点图

散点图通常用于显示两个变量之间的关系。plt.scatter() 函数用于创建散点图，是数据可视化中常用的一个工具。常用参数如下，

使用示例：

import matplotlib.pyplot as plt

# 示例数据
x = [5, 7, 8, 7, 2, 17, 2, 9, 4, 11, 12, 9, 6]
y = [99, 86, 87, 88, 100, 86, 103, 87, 94, 78, 77, 85, 86]
sizes = [210, 410, 312, 214, 415, 312, 213, 210, 410, 312, 214, 415, 312]
colors = ['red', 'green', 'blue', 'yellow', 'pink', 'black', 'orange', 'purple', 'beige', 'brown', 'gray', 'cyan', 'magenta']

# 创建散点图
plt.scatter(x, y, s=sizes, c=colors, marker='o', alpha=0.5, linewidths=2, edgecolors='w', label='Data Points')

# 添加图例
plt.legend()

# 添加标题和轴标签
plt.title('Custom Scatter Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图表
plt.show()

5、 绘制条形图

条形图用于比较不同类别的数据。Matplotlib 库中，plt.bar() 函数是用于创建条形图的常用函数。

常用参数如下，

使用示例：

import matplotlib.pyplot as plt

# 示例数据
categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [10, 15, 7, 12]

# 创建条形图
plt.bar(x=categories,          # x 坐标
        height=values,         # 条形的高度
        width=0.6,             # 条形的宽度
        bottom=0,              # 条形的起始位置 y 坐标
        align='center',        # 条形的对齐方式
        color='blue',          # 条形的颜色
        edgecolor='black',     # 条形边缘的颜色
        linewidth=1,           # 条形边缘的线宽
        tick_label=categories, # 条形标签
        label='Value')         # 图例标签

# 添加 x 轴和 y 轴标签
plt.xlabel('Categories')
plt.ylabel('Values')

# 添加图表标题
plt.title('Bar Chart Example')

# 显示图例
plt.legend()

# 显示图表
plt.show()

6、添加额外元素

可以添加更多元素来改进图表，例如图例、网格线和不同的样式。

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制基础图形
plt.figure(figsize=(10, 6))
plt.plot(x, y, label='sin(x)')

# 添加标题和标签
plt.title("Simple Plot of sin(x)")  # 添加标题
plt.xlabel("x")  # x轴标签
plt.ylabel("sin(x)")  # y轴标签

# 添加图例
plt.legend()

# 添加网格
plt.grid(True)

# 添加注释
plt.annotate('Local Max', xy=(1.57, 1), xytext=(2, 1.5),
             arrowprops=dict(facecolor='black', shrink=0.05))
             
# 使用 plt.draw() 显示画布
plt.draw()
# 显示图形
plt.show()

7、保存图形

Matplotlib 中，保存图形到文件是一个简单的过程。可以使用 savefig() 方法来保存图形。常用参数如下，

使用示例：

import matplotlib.pyplot as plt

# 创建画布
fig = plt.figure()

# 在画布上添加一个轴
ax = fig.add_subplot(111)

# 在轴上绘图
ax.plot([1, 2, 3, 4], [10, 20, 25, 30], marker='o', color='b')

# 设置标题
ax.set_title("Simple Plot")

# 设置轴标签
ax.set_xlabel("X Axis")
ax.set_ylabel("Y Axis")

# 添加图例
ax.legend(["Line 1"])

# 添加网格线
ax.grid()

# 添加注释
ax.annotate("www.cjavapy.com", (3, 27))

# 使用 plt.draw() 显示画布
plt.draw()
plt.savefig("line_plot.png")  # 保存为 PNG 文件
# 显示图形
plt.show()