第2章 使用 matplotlib 绘制简单图表

语法

• x、y：表示 x 轴与 y 轴的数据
• fmt：定义图的基本属性的字符串，形式为 '[color][marker][line]'，即颜色、点型、线型
• label：图例标签
• 返回值：一个包含 Line2D 类对象（代表线条）的列表

绘制多线条折线图的三种方式

# 第1种：分别调用
plt.plot(x1, y1)
plt.plot(x2, y2)

# 第2种：一次传入多组数据
plt.plot(x1, y1, x2, y2)

# 第3种：传入二维数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
plt.plot(arr[0], arr[1:])

语法

• x：柱形的 x 坐标；height：柱形的高度
• width：柱形的宽度，默认 0.8
• bottom：柱形底部的 y 坐标（用于堆积）
• align：柱形与刻度的对齐方式，默认 'center'
• tick_label：x 轴刻度标签
• xerr、yerr：误差棒数据

示例代码

# 一组柱形
x = np.arange(5)
y1 = np.array([10, 8, 7, 11, 13])
plt.bar(x, y1, tick_label=['a','b','c','d','e'], width=0.3)

# 两组柱形（并列）
y2 = np.array([9, 6, 5, 10, 12])
plt.bar(x, y1, width=0.3)
plt.bar(x + 0.3, y2, width=0.3)

# 堆积柱形图：通过 bottom 参数使后绘制的柱形位于先绘制的上方
plt.bar(x, y1, width=0.3)
plt.bar(x, y2, bottom=y1, width=0.3)

# 带误差棒的柱形图
error = [2, 1, 2.5, 2, 1.5]
plt.bar(x, y1, width=0.3, yerr=error)

语法

• y：条形的 y 坐标；width：条形的宽度（x 方向长度）
• height：条形的高度，默认 0.8
• left：条形左侧的 x 坐标（用于堆积）
• xerr、yerr：误差棒数据

示例代码

# 一组条形
y = np.arange(5)
x1 = np.array([10, 8, 7, 11, 13])
plt.barh(y, x1, tick_label=['a','b','c','d','e'], height=0.3)

# 两组条形（并列）：y + bar_height
x2 = np.array([9, 6, 5, 10, 12])
plt.barh(y + 0.3, x2, height=0.3)

# 堆积条形图：通过 left 参数使后绘制的条形位于先绘制的右方
plt.barh(y, x1, height=0.3)
plt.barh(y, x2, left=x1, height=0.3)

# 带误差棒的条形图
plt.barh(y, x1, height=0.3, xerr=error)

语法

• x：x 轴数据，可以是一组数据
• y：y 轴数据，可以是一组或多组数据
• labels：每个填充区域的图例标签
• baseline：计算基线的方法，可选 'zero'（常数基线）、'sym'（对称基线）、'wiggle'、'weighted_wiggle'（河流图风格，最小化层的摆动）

示例代码

x = np.arange(6)
y1 = np.array([1, 4, 3, 5, 6, 7])
y2 = np.array([1, 3, 4, 2, 7, 6])
y3 = np.array([3, 4, 3, 6, 5, 5])
# 绘制有三个填充区域堆叠的堆积面积图
plt.stackplot(x, y1, y2, y3)

语法

• x：输入数据（一维数组）
• bins：矩形条的个数或取值范围边界序列
• range：统计数据的取值区间，区间外的数据将被忽略
• density：是否将矩形条进行频率统计（归一化）
• weights：每个数据的权重
• bottom：每个矩形条底部的 y 坐标（基线偏移）
• histtype：直方图类型，如 'bar'、'step'、'stepfilled'（填充的线条）

示例代码

# 准备50个随机测试数据，绘制填充的线条直方图
scores = np.random.randint(0, 100, 50)
plt.hist(scores, bins=8, histtype='stepfilled')

# 10000个随机数，绘制包含25个矩形条的直方图
random_state = np.random.RandomState(19680801)
random_x = random_state.randn(10000)
plt.hist(random_x, bins=25)

语法

• x：扇形的数据（各部分数值）
• explode：扇形离开圆心的距离（数组，突出某部分）
• labels：扇形的标签文字
• autopct：百分比数值的格式字符串，如 '%3.1f%%'（保留1位小数）
• pctdistance：百分比数值距圆心的半径比例，默认 0.6
• startangle：起始绘制角度（从 x 轴正方向逆时针计）
• radius：扇形半径；shadow：是否显示阴影；wedgeprops：扇形属性，如 {'width': 0.7} 可绘制圆环图

示例代码

data = np.array([20, 50, 10, 15, 30, 55])
pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])

# 饼图：半径1.5，数值保留1位小数
plt.pie(data, radius=1.5, labels=pie_labels, autopct='%3.1f%%')

# 圆环图：通过 wedgeprops 挖空中间
plt.pie(data, radius=1.5, wedgeprops={'width': 0.7},
        labels=pie_labels, autopct='%3.1f%%', pctdistance=0.75)

语法

• x、y：点的坐标数据
• s：点的大小（用于气泡图）
• c：点的颜色
• marker：点的样式
• cmap：颜色映射表
• linewidths、edgecolors：点的轮廓线宽与轮廓颜色

示例代码

num = 50
x = np.random.rand(num)
y = np.random.rand(num)

# 散点图
plt.scatter(x, y)

# 气泡图：s 控制气泡大小
area = (30 * np.random.rand(num)) ** 2
plt.scatter(x, y, s=area)

语法

• x：待绘制的数据
• notch：是否以凹口形式展现箱形图
• sym：异常值对应的符号
• vert：箱体垂直还是水平摆放（False 为横向）
• whis：四分位距的倍数，指定上下须与四分位数的距离
• positions：箱体的位置；widths：箱体的宽度
• 常用参数：patch_artist（是否填充箱体颜色）、showfliers（是否显示异常值）、meanline（是否用线显示均值/中位数）

示例代码

# 绘制不显示异常值的箱形图
data = np.random.randn(100)
plt.boxplot(data, meanline=True, widths=0.3,
            patch_artist=True, showfliers=False)

语法

• theta：每个标记所在弧度（角度）的数据
• r：每个标记到极点的半径距离数据
• 通常需先将角度转换为弧度，并在数据末尾追加第一个点以闭合多边形

语法

• x、y：数据点的位置
• yerr、xerr：y 轴 / x 轴方向误差的大小
• fmt：数据点的标记样式与线条样式
• ecolor：误差棒的颜色；elinewidth：误差棒线宽
• capsize：误差棒端帽的大小；capthick：端帽粗细

示例代码

x = np.arange(5)
y = (25, 32, 34, 20, 25)
y_offset = (3, 5, 2, 3, 3)
plt.errorbar(x, y, yerr=y_offset, capsize=3, capthick=2)

本章主要介绍了如何使用 matplotlib 库的绘图函数绘制简单的图表，包括： 折线图（plot）、柱形图/堆积柱形图（bar）、条形图/堆积条形图（barh）、 堆积面积图（stackplot）、直方图（hist）、饼图/圆环图（pie）、 散点图/气泡图（scatter）、箱形图（boxplot）、雷达图（polar）、 误差棒图（errorbar）。 掌握这些绘图函数的用法后，可以使用它们绘制简单图表，为后续学习打好扎实的基础。