文章目录

第一部分：基础概念与简单绘图1.1 `matplotlib` 简介1.2 创建第一个折线图1.3 图表的基本组成元素

第二部分：图表样式与修饰2.1 修改图表样式2.2 添加图例2.3 调整坐标轴与刻度

第三部分：绘制不同类型的图表3.1 散点图 (Scatter Plot)3.2 柱状图 (Bar Chart)3.3 饼图 (Pie Chart)

第四部分：数据处理与可视化4.1 `pandas` 与 `matplotlib` 的结合示例：从 CSV 读取数据并绘制折线图解释：注意：

4.2 绘制多个数据系列示例：绘制多条折线解释：

4.3 创建子图布局示例：创建 2x1 的子图布局解释：

第五部分：图表定制与高级功能5.1 自定义颜色和样式示例：使用自定义颜色和样式绘制图表解释：

5.2 标注与注释示例：为特定数据点添加注释解释：

第一部分：基础概念与简单绘图

1.1 <code>matplotlib 简介

matplotlib 是 Python 中最常用的绘图库之一。它提供了类似于 Matlab 的 API，方便用户创建各种类型的图表。我们主要使用其中的 pyplot 模块，它是绘制图表的核心工具。

# 在开始之前，请确保你安装了 matplotlib 库

pip install matplotlib

1.2 创建第一个折线图

从最简单的折线图开始，先理解 matplotlib 的基本概念。通过 pyplot 模块，我们可以很容易地创建图表并展示数据。

# 导入 matplotlib 库

import matplotlib.pyplot as plt

# 定义数据

x = [1, 2, 3, 4, 5]

y = [1, 4, 9, 16, 25]

# 创建折线图

plt.plot(x, y)

# 显示图表

plt.show()

1.3 图表的基本组成元素

每个 <code>matplotlib 图表主要由以下几个元素组成：

图形 (Figure)：整个绘图区域。坐标轴 (Axes)：图表中的数据区域，它可以包含多条曲线或数据点。曲线 (Line)：用来展示数据的线段。刻度 (Ticks)：坐标轴上显示的数据标记。标签 (Label)：用于标识坐标轴含义的文字。

# 示例：为图表添加标题和坐标轴标签

plt.plot(x, y)

# 添加标题

plt.title("简单的折线图")

# 添加坐标轴标签

plt.xlabel("X轴")

plt.ylabel("Y轴")

# 显示图表

plt.show()

这里的方块是因为没有安装字体的缘故，在下一篇第六部分会讲到的

第二部分：图表样式与修饰

2.1 修改图表样式

我们可以通过设置不同的参数来修改图表的样式，比如线条的颜色、样式和粗细等。

<code># 创建折线图，设置线条颜色、线型和宽度

plt.plot(x, y, color='red', linestyle='--', linewidth=2)code>

# 显示图表

plt.show()

2.2 添加图例

<code># 定义两组数据

x1 = [1, 2, 3, 4, 5]

y1 = [1, 4, 9, 16, 25]

x2 = [1, 2, 3, 4, 5]

y2 = [2, 3, 5, 7, 11]

# 绘制两条折线，并分别添加图例

plt.plot(x1, y1, label='组1', color='blue')code>

plt.plot(x2, y2, label='组2', color='green')code>

# 显示图例

plt.legend()

# 显示图表

plt.show()

2.3 调整坐标轴与刻度

<code># 定义数据

x = [1, 2, 3, 4, 5]

y = [5, 4, 3, 2, 1]

# 创建散点图

plt.scatter(x, y, color='red')code>

# 显示图表

plt.show()

3.2 柱状图 (Bar Chart)

<code># 定义数据

categories = ['A', 'B', 'C', 'D', 'E']

values = [5, 7, 3, 8, 6]

# 创建柱状图

plt.bar(categories, values)

# 显示图表

plt.show()

3.3 饼图 (Pie Chart)

饼图展示各分类数据的占比。

<code># 定义数据

labels = ['A', 'B', 'C', 'D']

sizes = [20, 30, 25, 25]

# 创建饼图

plt.pie(sizes, labels=labels, autopct='%1.1f%%')code>

# 显示图表

plt.show()

sizes：这是饼图的主要数据，即每个部分的相对大小。在饼图中，sizes 列表中的每个元素决定了饼图中各个部分的大小比例。matplotlib 会根据这些数值的比例自动计算每一部分的角度和面积。

labels：这是用来为饼图中的各个部分添加标签。我们通过 labels=labels 来指定标签列表。每个标签会显示在相应部分的旁边，标识出该部分代表的数据类别。

autopct=‘%1.1f%%’：这是用来设置饼图中每个部分的自动百分比显示的。它定义了显示百分比的格式：

%1.1f%% 表示在图中显示百分比，1.1f 意味着保留一位小数，%% 是百分比符号。这里是让每一部分的百分比在饼图上显示为 1 位小数的格式。

例如，如果某个部分占整个饼图的 25%，则在图中显示 25.0%。

4.1 <code>pandas 与 matplotlib 的结合

在实际项目中，我们经常需要处理数据框 (DataFrame)，例如从 Excel、CSV 等文件读取数据。pandas 和 matplotlib 的结合可以帮助我们快速地将数据可视化展示。

示例：从 CSV 读取数据并绘制折线图

首先，我们需要从 pandas 读取数据，然后用 matplotlib 可视化。假设我们有一个包含时间序列数据的 CSV 文件，内容如下：

日期,销售额

2023-01-01,200

2023-01-02,300

2023-01-03,150

2023-01-04,400

2023-01-05,250

我们将读取这个文件并绘制日期与销售额的折线图。

import pandas as pd

import matplotlib.pyplot as plt

# 从 CSV 文件读取数据

data = pd.read_csv('sales_data.csv')

# 绘制折线图

plt.plot(data['日期'], data['销售额'])

# 添加标题和坐标轴标签

plt.title('每日销售额')

plt.xlabel('日期')

plt.ylabel('销售额')

# 显示图表

plt.show()

解释：

pd.read_csv()：从 CSV 文件读取数据，返回 DataFrame。data['日期'] 和 data['销售额']：从 DataFrame 中选择特定的列进行绘图。plt.plot()：基于数据创建折线图。

注意：

在实际项目中，你可能需要对数据进行预处理，例如处理缺失值、数据格式转换等。在进行可视化之前，确保数据是干净的。

4.2 绘制多个数据系列

有时候我们需要在同一个图表中展示多个数据系列，来进行对比或分析。我们可以通过在 matplotlib 中绘制多个数据线来实现这一点。

示例：绘制多条折线

假设我们有两个产品的销售数据，并想在同一个图表中展示。

import pandas as pd

import matplotlib.pyplot as plt

# 定义数据

日期 = ['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05']

产品A = [200, 300, 150, 400, 250]

产品B = [180, 260, 170, 380, 230]

# 创建折线图

plt.plot(日期, 产品A, label='产品A', color='blue')code>

plt.plot(日期, 产品B, label='产品B', color='green')code>

# 添加标题和坐标轴标签

plt.title('产品A与产品B的销售额比较')

plt.xlabel('日期')

plt.ylabel('销售额')

# 显示图例

plt.legend()

# 显示图表

plt.show()

解释：