Matplotlib绘图基础：图、坐标轴与基本图形

引言

Matplotlib是Python中一个强大的数据可视化库，广泛用于科学计算和数据分析。本教程专为初学者设计，将逐步介绍Matplotlib的基础概念：图（Figure）、坐标轴（Axes）和基本图形（如线图、散点图等）。通过动手实践，你不仅能理解这些核心组件，还能开始绘制自己的图表。

安装和导入Matplotlib

在开始之前，确保已安装Matplotlib。你可以使用pip命令轻松安装：

pip install matplotlib

安装完成后，在Python脚本或交互式环境中导入Matplotlib的常用模块pyplot：

import matplotlib.pyplot as plt

plt是标准别名，后续代码中将使用它来调用绘图函数。

图（Figure）

在Matplotlib中，图（Figure） 是整个绘图的容器，类似于一张画布，可以容纳一个或多个子图。创建图是绘图的第一步。

如何创建图？

使用plt.figure()函数创建一个新的图。这个函数返回一个Figure对象，你可以用它来添加坐标轴或调整图的属性。

fig = plt.figure()  # 创建一个新的图

你可以指定图的大小，例如：fig = plt.figure(figsize=(8, 6))，设置宽度为8英寸、高度为6英寸。

坐标轴（Axes）

坐标轴（Axes） 是图中的一个部分，负责实际的绘图操作。一个图可以包含多个坐标轴，例如在子图布局中。坐标轴包含了x轴和y轴，以及绘图区域。

如何添加坐标轴？

使用add_subplot()方法在图中添加坐标轴。这个方法常用参数是三个整数（如111），表示网格的行数、列数和子图索引。

ax = fig.add_subplot(111)  # 在图中添加一个坐标轴
# 111表示1行、1列、第1个子图，所以创建单个坐标轴

如果你想要多个子图，可以修改参数，例如add_subplot(2, 2, 1)表示2行2列网格中的第一个子图。

基本图形

在坐标轴上，你可以绘制各种类型的图形。以下是几个基本图形的介绍和示例。

线图（Line Plot）

线图用于展示数据点的趋势，通过连接点来形成线条。示例：绘制正弦曲线。

import numpy as np  # NumPy常用于生成数据
x = np.linspace(0, 10, 100)  # 生成0到10之间的100个点
y = np.sin(x)  # 计算正弦值
ax.plot(x, y)  # 绘制线图
plt.show()  # 显示图形

散点图（Scatter Plot）

散点图用于展示两个变量之间的关系，每个点表示一个数据项。示例：绘制随机散点。

x = np.random.rand(50)  # 生成50个随机x值
y = np.random.rand(50)  # 生成50个随机y值
ax.scatter(x, y)  # 绘制散点图
plt.show()

柱状图（Bar Plot）

柱状图用于比较类别数据，每个柱子的高度表示数值。示例：展示分类数据。

labels = ['A', 'B', 'C', 'D']  # 类别标签
values = [10, 20, 15, 30]  # 对应的数值
ax.bar(labels, values)  # 绘制柱状图
plt.show()

完整示例

下面是一个完整的代码示例，整合了所有基础步骤：创建图、添加坐标轴，并绘制一个线图。

import matplotlib.pyplot as plt
import numpy as np

# 步骤1：创建图
fig = plt.figure()

# 步骤2：添加坐标轴
ax = fig.add_subplot(111)

# 步骤3：生成数据
x = np.linspace(0, 2*np.pi, 100)  # 0到2π的100个点
y = np.sin(x)  # 正弦函数值

# 步骤4：绘制线图
ax.plot(x, y)

# 可选：添加标题和轴标签，使图形更易读
ax.set_title('简单正弦曲线')
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')

# 步骤5：显示图形
plt.show()

运行此代码后，你应该看到一个显示正弦曲线的窗口。你可以尝试修改代码，例如改变数据或绘制不同类型的图形。

总结与练习建议

本教程涵盖了Matplotlib绘图的核心基础：

• 图：作为绘图容器，使用plt.figure()创建。
• 坐标轴：负责具体绘图，使用add_subplot()添加。
• 基本图形：如线图、散点图和柱状图，通过方法如plot()、scatter()和bar()绘制。

为了巩固学习，建议练习以下内容：

1. 修改完整示例中的数据和参数，绘制自己的曲线或散点。
2. 创建一个有多个子图的图（例如，使用add_subplot(2, 1, 1)和add_subplot(2, 1, 2)）。
3. 尝试添加更多图形元素，如颜色、线条样式或图例。

Matplotlib功能丰富，还有更多高级特性如3D绘图、自定义样式等，可以后续探索。祝你学习愉快，快速掌握数据可视化！