【机器学习学习笔记】Matplotlib 基本操作

Matplotlib 零基础入门总结

Matplotlib 是 Python 中最常用的开源绘图库，能画折线图、柱状图、散点图等多种 2D 图形，操作简单且文档完善，不管是 Python 工程师、科研学者还是数据工程师都经常用它。下面从基础准备、核心绘图知识、图形美化、组合与子图、规范绘图及标注这几个方面，帮零基础小白快速掌握它。

一、基础准备：环境与模块导入

在开始绘图前，需要先做好环境配置和模块导入，这是后续绘图的前提。

1. 环境配置（关键命令）

• Notebook 环境（如 Jupyter Notebook）：必须先运行魔术命令 %matplotlib inline，作用是把绘制的图形直接嵌入到当前页面，方便查看。
• 桌面环境：不需要上面的命令，只需在所有绘图代码写完后，加一句 plt.show()，就能弹出窗口显示图形。

2. 模块导入（固定写法）

Matplotlib 绘图主要依赖pyplot模块，约定俗成简称为plt，导入代码如下：

from matplotlib import pyplot as plt

后续很多绘图操作，都是通过plt.xxx（xxx 是具体方法）来实现的。

二、核心绘图：常见 2D 图形怎么画

pyplot模块里有各种绘图方法，不同方法对应不同图形，掌握这些基础图形的绘制，就能应对大部分简单需求。

1. 折线图（最基础）

• 方法：plt.plot()
• 核心逻辑：默认只传一个列表时，列表作为y值，x值从 0 开始自动递增；若要自定义x值，传两个列表（第一个x、第二个y）。
• 示例代码：

  # 1. 只传y值，x默认0、1、2...
  plt.plot([1,2,3,2,1,2,3,4,5,6,5,4,3,2,1])  # 画“山峰”折线图# 2. 传x和y，自定义x从2开始
  plt.plot([2,3,4,5,6,7,8,9,10,11,12,13,14,15,16],  # x值[1,2,3,2,1,2,3,4,5,6,5,4,3,2,1])  # y值# 3. 画正弦曲线（结合numpy生成连续数据）
  import numpy as np  # 先导入数值计算库numpy
  X = np.linspace(-2*np.pi, 2*np.pi, 1000)  # -2π到2π间生成1000个均匀点（x轴）
  y = np.sin(X)  # 计算y值（正弦值）
  plt.plot(X, y)  # 画正弦曲线（看起来是曲线，实际是密集点连的直线）
  

2. 其他常用图形（方法 + 示例）

除了折线图，柱状图、散点图等也很常用，核心是换plt后的方法名，数据传入逻辑和折线图类似。

等高线图示例代码（稍复杂，需生成网格数据）：

x = np.linspace(-5,5,500)  # x轴500个点
y = np.linspace(-5,5,500)  # y轴500个点
X, Y = np.meshgrid(x, y)  # 生成500x500的网格矩阵
Z = (1 - X/2 + X**3 + Y**4) * np.exp(-X**2 - Y**2)  # 计算等高线值
plt.contourf(X, Y, Z)  # 画等高线图

三、图形美化：让图更 “好看”

默认画的图比较朴素，通过plt.xxx方法的关键字参数（kwargs） ，可以调整颜色、线型、大小等样式，让图形更清晰、美观。

1. 折线图美化（常用参数）

plt.plot()有很多美化参数，核心是在括号里加参数名=值。

# 示例：画两条美化后的三角函数曲线
X = np.linspace(-2*np.pi, 2*np.pi, 1000)
y1 = np.sin(X)  # 正弦
y2 = np.cos(X)  # 余弦# 正弦曲线：红色（color='r'）、虚线（linestyle='--'）、线宽2（linewidth=2）、透明度0.8（alpha=0.8）
plt.plot(X, y1, color='r', linestyle='--', linewidth=2, alpha=0.8)
# 余弦曲线：蓝色（color='b'）、实线（linestyle='-'）、线宽2
plt.plot(X, y2, color='b', linestyle='-', linewidth=2)

2. 散点图美化（常用参数）

plt.scatter()的美化参数侧重散点的大小、颜色等：

x = np.random.rand(100)  # 100个随机x
y = np.random.rand(100)  # 100个随机y
colors = np.random.rand(100)  # 100个随机颜色（渐变）
size = np.random.normal(50, 60, 100)  # 100个随机大小（均值50，标准差60）# s=散点大小，c=散点颜色
plt.scatter(x, y, s=size, c=colors)

3. 饼状图美化（常用参数）

plt.pie()可以加标签、阴影、偏移等，让比例更易读：

label = ['Cat','Dog','Cattle','Sheep','Horse']  # 类别标签
color = ['r','g','r','g','y']  # 每个类别的颜色
size = [1,2,3,4,5]  # 每个类别的占比数据
explode = (0,0,0,0,0.2)  # 最后一个类别（Horse）向外偏移0.2（突出显示）# autopct='%1.1f%%'：显示百分比（保留1位小数）；shadow=True：加阴影
plt.pie(size, colors=color, explode=explode, labels=label, shadow=True, autopct='%1.1f%%')
plt.axis('equal')  # 让饼状图呈正圆形（否则可能是椭圆）

四、组合图与子图：多图一起展示

实际需求中，常需要把多个图形放在一起（如折线图 + 柱状图），或把多个独立图按顺序排列（子图），核心是 “共享坐标” 或 “管理画布”。

1. 组合图（同一坐标下多图）

只要多个图形的横坐标相同，把绘图代码写在一起，Matplotlib 会自动叠加显示：

x = [1,3,5,7,9,11,13,15,17,19]  # 共享x轴
y_bar = [3,4,6,8,9,10,9,11,7,8]  # 柱状图的y
y_line = [2,3,5,7,8,9,8,10,6,7]  # 折线图的yplt.bar(x, y_bar)  # 先画柱状图
plt.plot(x, y_line, '-o', color='y')  # 再画折线图（-o：带圆点标记，黄色）

2. 子图（多图按行列排列）

用plt.subplots(nrows=行数, ncols=列数)创建子图，再逐个绘制，适合展示多个独立图形。

x = np.linspace(0,10,20)  # 通用x数据
y = x*x + 2  # 通用y数据# 1. 1行2列的子图（nrows=1, ncols=2）
fig, axes = plt.subplots(nrows=1, ncols=2)  # fig=画板，axes=两个子图的画布列表
axes[0].plot(x, y, 'r')  # 第一个子图（索引0）：红色曲线
axes[1].plot(y, x, 'g')  # 第二个子图（索引1）：绿色曲线（x和y互换）# 2. 调整子图尺寸和精度（figsize=宽高，dpi=清晰度）
fig, axes = plt.subplots(nrows=1, ncols=4, figsize=(16,5))  # 1行4列，宽16高5
n = np.array([0,1,2,3,4,5])
axes[0].scatter(x, x+0.25*np.random.randn(len(x)))  # 子图1：散点图
axes[1].step(n, n**2, lw=2)  # 子图2：梯步图
axes[2].bar(n, n**2, align="center", width=0.5, alpha=0.5)  # 子图3：柱状图
axes[3].fill_between(x, x**2, x**3, color="green", alpha=0.5)  # 子图4：面积图

3. 大图套小图（自定义画布位置）

用fig.add_axes([左, 下, 宽, 高])控制画布位置，实现 “大画布 + 小画布” 效果：

x = np.linspace(0,10,20)
y = x*x + 2fig = plt.figure()  # 新建画板
axes1 = fig.add_axes([0.1, 0.1, 0.8, 0.8])  # 大画布：左0.1、下0.1、宽0.8、高0.8
axes2 = fig.add_axes([0.2, 0.5, 0.4, 0.3])  # 小画布：左0.2、下0.5、宽0.4、高0.3axes1.plot(x, y, 'r')  # 大画布画红色曲线
axes2.plot(y, x, 'g')  # 小画布画绿色曲线（x和y互换）

五、规范绘图：加标题、图例、网格等

专业的图需要清晰的标注，比如标题、坐标轴名称、图例等，通过axes对象的方法可以添加这些元素，让图更易理解。

1. 加标题、坐标轴名称、图例

x = np.linspace(0,10,20)
fig, axes = plt.subplots()# 1. 坐标轴名称（xlabel、ylabel）
axes.set_xlabel('x label')  # x轴名称
axes.set_ylabel('y label')  # y轴名称# 2. 图形标题（title）
axes.set_title('Title: y = x² and y = x³')# 3. 画两条曲线
axes.plot(x, x**2)  # 第一条：y=x²
axes.plot(x, x**3)  # 第二条：y=x³# 4. 图例（legend）：说明每条线代表什么
# loc=0：自适应位置；loc=1~4：分别是右上、左上、左下、右下
axes.legend(["y = x²", "y = x³"], loc=0)

2. 加网格、调整坐标轴范围

x = np.linspace(0,10,20)
fig, axes = plt.subplots(1,2, figsize=(10,5))  # 1行2列子图，宽10高5# 子图1：显示网格（grid=True）
axes[0].plot(x, x**2, x, x**3, lw=2)  # 画两条线（线宽2）
axes[0].grid(True)  # 显示网格# 子图2：调整坐标轴范围（xlim、ylim）
axes[1].plot(x, x**2, x, x**3)
axes[1].set_ylim([0,60])  # y轴范围：0~60
axes[1].set_xlim([2,5])   # x轴范围：2~5

六、图像标注：加文字、箭头

复杂图形需要额外标注（如突出最小值、解释特殊点），用plt.text()加文字，plt.annotate()加箭头。

1. 文字标注（plt.text ()）

在柱状图上标注具体数值，核心是确定标注的位置（x、y）和文字内容：

fig, axes = plt.subplots()x_bar = [10,20,30,40,50]  # 柱状图x坐标
y_bar = [0.5,0.6,0.3,0.4,0.8]  # 柱状图y坐标（柱子高度）
bars = axes.bar(x_bar, y_bar, color='blue', width=2)  # 画柱状图# 遍历每个柱子，加文字标注
for i, rect in enumerate(bars):x_text = rect.get_x()  # 获取柱子的x坐标（左边缘）y_text = rect.get_height() + 0.01  # 文字y坐标：柱子高度+0.01（避免和柱子重叠）plt.text(x_text, y_text, '%.1f' % y_bar[i])  # 标注文字（保留1位小数）

2. 箭头标注（plt.annotate ()）

在文字标注基础上，加箭头指向特殊点（如最小值）：

fig, axes = plt.subplots()bars = axes.bar(x_bar, y_bar, color='blue', width=2)
# 先加文字标注（同上面代码）
for i, rect in enumerate(bars):x_text = rect.get_x()y_text = rect.get_height() + 0.01plt.text(x_text, y_text, '%.1f' % y_bar[i])# 加箭头标注：指向“最小值”（y=0.3，x=30）
# xy：箭头终点（指向的点）；xytext：箭头起点（文字位置）
# arrowprops：箭头样式（facecolor=颜色，width=箭尾宽，headwidth=箭头宽）
plt.annotate('Min', xy=(32, 0.3), xytext=(36, 0.3),arrowprops=dict(facecolor='black', width=1, headwidth=7))

总结：零基础绘图流程

1. 准备：Notebook 环境用%matplotlib inline，导入plt和numpy（如需数据）；
2. 选图形：确定画折线图（plt.plot）、柱状图（plt.bar）等，准备 x、y 数据；
3. 美化：加color、linewidth等参数调整样式；
4. 规范标注：加标题、图例、网格（用axes.set_xxx）；
5. 展示：桌面环境加plt.show()，Notebook 不用。