Matplotlib 教程（Python 数据可视化入门）
Matplotlib 是 Python 最流行的绘图库，功能强大，适合绘制各种静态、动态和交互式图表。本教程从零开始，带你快速上手。
一、安装 Matplotlib
pip install matplotlib建议在虚拟环境中安装（如
venv或conda）
二、导入库（标准方式）
import matplotlib.pyplot as plt
import numpy as np
plt是常用别名，numpy常用于生成数据
三、基本绘图：折线图
# 数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 2, 3, 5]
# 绘图
plt.plot(x, y)
plt.show()四、常用设置（美化图表）
plt.plot(x, y,
color='red', # 线条颜色
linewidth=2, # 线宽
linestyle='--', # 线型：实线 '-', 虚线 '--', 点线 ':', 点划线 '-.'
marker='o', # 数据点标记
markersize=8, # 标记大小
label='数据曲线') # 图例标签
plt.title('我的第一个图表') # 标题
plt.xlabel('X 轴') # X轴标签
plt.ylabel('Y 轴') # Y轴标签
plt.grid(True) # 显示网格
plt.legend() # 显示图例
plt.show()五、多种图表类型
1. 散点图（Scatter）
plt.scatter(x, y, color='blue', s=100, alpha=0.7)
plt.show()2. 柱状图（Bar）
categories = ['A', 'B', 'C', 'D']
values = [3, 7, 2, 5]
plt.bar(categories, values, color='skyblue', edgecolor='black')
plt.show()3. 水平柱状图
plt.barh(categories, values, color='lightgreen')
plt.show()4. 直方图（Histogram）
data = np.random.randn(1000)
plt.hist(data, bins=30, color='purple', alpha=0.7)
plt.show()5. 饼图（Pie）
labels = ['苹果', '香蕉', '橙子', '葡萄']
sizes = [30, 25, 20, 25]
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90)
plt.axis('equal') # 使饼图为正圆
plt.show()六、多图布局（子图 Subplots）
fig, axes = plt.subplots(2, 2, figsize=(10, 8)) # 2行2列
# 子图1
axes[0, 0].plot(x, y, 'r-o')
axes[0, 0].set_title('折线图')
# 子图2
axes[0, 1].scatter(x, y, color='green')
axes[0, 1].set_title('散点图')
# 子图3
axes[1, 0].bar(categories, values)
axes[1, 0].set_title('柱状图')
# 子图4
axes[1, 1].hist(np.random.randn(500), bins=20)
axes[1, 1].set_title('直方图')
plt.tight_layout() # 自动调整间距
plt.show()七、保存图片
plt.plot(x, y)
plt.savefig('my_plot.png', dpi=300, bbox_inches='tight')
# 支持格式：png, jpg, pdf, svg 等八、使用 NumPy 生成数据（推荐）
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x, y1, label='sin(x)')
plt.plot(x, y2, label='cos(x)')
plt.legend()
plt.show()九、样式美化（Seaborn 风格）
plt.style.use('seaborn') # 或 'ggplot', 'bmh', 'fivethirtyeight'
plt.plot(x, np.sin(x))
plt.show()查看所有样式：
print(plt.style.available)十、完整示例：综合图表
import matplotlib.pyplot as plt
import numpy as np
plt.style.use('seaborn-v0_8')
# 数据
x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
# 创建画布
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))
# 左图：折线 + 填充
ax1.plot(x, y1, 'b-', label='sin(x)', linewidth=2)
ax1.plot(x, y2, 'r--', label='cos(x)', linewidth=2)
ax1.fill_between(x, y1, alpha=0.2)
ax1.set_title('正弦与余弦')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.legend()
ax1.grid(True, alpha=0.3)
# 右图：散点
ax2.scatter(x[::5], y1[::5], c=y2[::5], cmap='viridis', s=60, edgecolors='k')
ax2.set_title('散点图（颜色表示 cos 值）')
ax2.set_xlabel('x')
ax2.set_ylabel('sin(x)')
plt.tight_layout()
plt.savefig('sine_cosine.png', dpi=200)
plt.show()常用资源
| 资源 | 链接 |
|---|---|
| 官方文档 | matplotlib.org |
| 示例图库 | matplotlib.org/stable/gallery |
| 中文教程 | Matplotlib中文网 |
小贴士
plt.figure(figsize=(width, height))控制画布大小plt.xlim()/plt.ylim()设置坐标轴范围plt.text(x, y, '文字')添加文字plt.annotate()添加带箭头的注释
现在轮到你了！
打开 Python，复制上面的代码运行试试吧！
需要我为你生成一个 交互式 Jupyter Notebook 版本 或 特定类型图表模板 吗？告诉我你的需求！
