Matplotlib 画图: 从菜鸟到数据可视化达人

要学会数据可视化，Matplotlib 是绕不开的一个工具。

它是 Python 里最常用的绘图库，功能强大，能画出各种各样的图表。不过对新手来说，Matplotlib 的学习曲线可能有点陡峭。别担心，今天我就带大家一步步从菜鸟变成数据可视化达人。

Matplotlib 是个啥

Matplotlib 说白了就是一个画图的工具箱。它能帮你把数据变成漂亮的图表，让枯燥的数字活起来。无论是简单的折线图、柱状图，还是复杂的 3D 图形，Matplotlib 都能轻松搞定。

要用 Matplotlib，首先得把它导入进来：

import matplotlib.pyplot as plt

这里我们用 plt 作为简称，后面写起来方便点。

画个最简单的图

咱们先从最基础的开始，画个简单的折线图：

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

plt.plot(x, y)
plt.show()

这段代码做了啥呢？我们定义了两个列表 x 和 y，然后用 plt.plot() 画出了一条线，最后用 plt.show() 把图显示出来。

温馨提示：如果你用的是 Jupyter Notebook，可以不用 plt.show()，直接运行就能看到图了。

给图穿个"小裙子"

光有一条线太单调了，咱们给它加点装饰：

plt.plot(x, y, color='red', linestyle='--', marker='o')
plt.title("我的第一个 Matplotlib 图")
plt.xlabel("x 轴")
plt.ylabel("y 轴")
plt.grid(True)
plt.show()

这下图表就漂亮多了！我们给线条加了颜色、样式和标记点，还加上了标题和坐标轴标签，最后还加了网格线。

一图多线

很多时候，我们需要在一张图上画多条线来对比数据：

y2 = [1, 3, 5, 7, 9]

plt.plot(x, y, label='线 1')
plt.plot(x, y2, label='线 2')
plt.legend()
plt.show()

这里我们画了两条线，用 label 给它们加了标签，然后用 plt.legend() 显示图例。

不止是线，还有面

Matplotlib 不光能画线，还能画各种各样的图表。比如说柱状图：

plt.bar(x, y)
plt.show()

还有饼图：

plt.pie(y, labels=['A', 'B', 'C', 'D', 'E'], autopct='%1.1f%%')
plt.axis('equal')# 保证饼图是圆的
plt.show()

散点图：数据的"群魔乱舞"

散点图是看数据分布的好帮手：

import numpy as np

x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50)
sizes = 1000 * np.random.rand(50)

plt.scatter(x, y, c=colors, s=sizes, alpha=0.5)
plt.show()

这里我们用了 NumPy 来生成随机数据。

c 参数控制颜色，s 控制点的大小，alpha 控制透明度。

子图：一图顶多图

有时候我们想在一张图里画多个小图，这时候就要用到子图了：

fig, axs = plt.subplots(2, 2, figsize=(10, 10))

axs[0, 0].plot(x, y)
axs[0, 1].bar(x, y)
axs[1, 0].scatter(x, y)
axs[1, 1].pie(y)

plt.tight_layout()
plt.show()

这段代码创建了一个 2x2 的子图布局，我们在每个子图里画了不同类型的图。

保存图片

画好的图当然得保存下来：

plt.savefig('my_beautiful_chart.png', dpi=300, bbox_inches='tight')

dpi 控制图片质量，bbox_inches='tight' 可以确保图表的边缘不会被切掉。

学会了这些，你就从 Matplotlib 菜鸟变成了小能手了！记住，多练习才是提高的关键。去试试用你自己的数据画图吧，你会发现数据可视化其实挺好玩的。