Matplotlib是Python中最强大的数据可视化库之一，广泛应用于数据分析、科学计算和机器学习领域。本教程将带您从基础到进阶，全面掌握使用Matplotlib创建各种图表的方法。

教程目录

• 1. Matplotlib安装与环境配置
• 2. 创建基本图表
• 3. 折线图绘制与定制
• 4. 柱状图应用场景分析
• 5. 散点图高级应用
• 6. 饼图与环形图
• 7. 多子图布局技巧
• 8. 图表样式与美化
• 9. 图表导出与分享

1. Matplotlib安装与环境配置

使用pip安装Matplotlib：

pip install matplotlib

导入Matplotlib的PyPlot模块：

import matplotlib.pyplot as plt
# 在Jupyter Notebook中显示图表需要添加此行
%matplotlib inline

2. 创建基本图表

最简单的折线图示例：

import matplotlib.pyplot as plt

# 准备数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 创建图表
plt.figure(figsize=(8, 5))
plt.plot(x, y, marker='o', linestyle='-', color='b', linewidth=2)

# 添加标题和标签
plt.title('简单折线图示例', fontsize=14)
plt.xlabel('X轴', fontsize=12)
plt.ylabel('Y轴', fontsize=12)

# 显示图表
plt.show()

3. 常用图表类型与代码示例

plt.bar(categories, values, color='#2ecc71')
plt.title('柱状图示例')
plt.xlabel('类别')
plt.ylabel('数值')

plt.scatter(x, y, s=100, c='#e74c3c', 
           alpha=0.7, edgecolors='black')
plt.title('散点图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')

plt.pie(sizes, labels=labels, 
       autopct='%1.1f%%', 
       startangle=90, 
       colors=colors)
plt.title('饼图示例')

4. 多子图布局示例

使用subplots创建多图表布局：

# 创建2x2的子图布局
fig, axs = plt.subplots(2, 2, figsize=(10, 8))

# 第一个子图：折线图
axs[0, 0].plot(x, y1, 'r-')
axs[0, 0].set_title('折线图')

# 第二个子图：柱状图
axs[0, 1].bar(categories, values, color='g')
axs[0, 1].set_title('柱状图')

# 第三个子图：散点图
axs[1, 0].scatter(x, y2, color='b')
axs[1, 0].set_title('散点图')

# 第四个子图：饼图
axs[1, 1].pie(sizes, labels=labels, autopct='%1.1f%%')
axs[1, 1].set_title('饼图')

# 调整布局
plt.tight_layout()
plt.show()

5. 图表美化技巧

关键美化代码：

# 设置样式
plt.style.use('seaborn-whitegrid')

# 自定义颜色
colors = ['#3498db', '#e74c3c', '#2ecc71', '#f39c12']

# 添加网格
plt.grid(True, linestyle='--', alpha=0.7)

# 添加图例
plt.legend(loc='best', frameon=True)

# 设置标题样式
plt.title('专业数据可视化', fontsize=16, pad=20)

# 设置坐标轴标签
plt.xlabel('X轴', fontsize=12, labelpad=10)
plt.ylabel('Y轴', fontsize=12, labelpad=10)

# 设置刻度参数
plt.tick_params(axis='both', which='major', labelsize=10)

总结

Matplotlib是Python数据可视化的重要工具，通过本教程，您已经学习到：

• Matplotlib的安装和基本使用方法
• 多种图表类型的创建和定制
• 多子图布局的实现技巧
• 图表美化和专业呈现的方法
• 图表导出和分享的最佳实践

要进一步掌握Matplotlib，建议：

1. 尝试不同的图表类型和组合
2. 练习使用不同的样式表和颜色方案
3. 学习添加动画效果和交互功能
4. 探索Matplotlib与Pandas、NumPy等库的整合

6. 图表导出与分享

将图表保存为图片文件：

# 保存为PNG格式（最常用）
plt.savefig('chart.png', dpi=300, bbox_inches='tight')

# 保存为SVG格式（矢量图）
plt.savefig('chart.svg', format='svg')

# 保存为PDF格式（高质量打印）
plt.savefig('chart.pdf', format='pdf')