Matplotlib 是一个用于数据可视化的 Python 模块。Matplotlib 和 Pandas 可作为互补工具，因为前者内建了大量的图表库，进一步提高了数据的可视性。 这篇教程虽然没有办法完全介绍 Matplotlib 的每一个细节，但我们还是可以尝试覆盖 Matplotlib 的各种基础功能，包括几个比较有趣的进阶项目。 阅读这篇教程需要具有一定的 Python 和 Pandas 基础，如果之前对 Python 完全没有任何了解，欢迎查看我们之前的相关教程： 【Python 核心库】Numpy 实景教程与练习
【Python 教程】使用 Pandas 整理数据
基础线形图
创建最简单的线形图只需要一行代码，随后通过 plt.show() 展示图表即可：
import matplotlib.pyplot as plt# 绘图
plt.plot([1, 2, 3, 4, 10])
plt.show()
基础散点图
绘制散点图前，我们先来看看 plt.plot() 的参数内容：（x, y, 格式）。这个格式其实是颜色、标记、线条的缩写。举个例子：
'go-' 为绿色（green）、圆点、无线条，那样输出的图形便是散点图。
'r*--' 为红色（red）、星形、虚线
'ks.' 为黑色（black）、方形（square）、点线
'bD-.' 为蓝色（blue）、菱形（diamond）、点划线
这些例子无需硬背，有需要的时候输入并运行 help(plt.plot) 即可。
# 'go' 表示绿点plt.plot([1,2,3,4,5], [1,2,3,4,10], 'go')
plt.show()
复合图形
功能强大的 Matplotlib 自然不会满足于单个图形，接下来这段将分为两个部分：在同一图表中绘制多个数据以及在同一窗口中绘制多个不同的图表。
在同一图表中绘制多个数据
这个其实很简单，只需要重复编写 plt.plot() 就可以了。加上标题、标签名称和图例即可输出以下效果：
plt.plot([1,2,3,4,5], [1,2,3,4,10], 'go', label='GreenDots')plt.plot([1,2,3,4,5], [2,3,4,5,11], 'b*', label='Bluestars')
plt.title('A Simple Scatterplot')
plt.xlabel('X')
plt.ylabel('Y')
plt.legend(loc='best') # 图例文本取自标签，图例是集中于图表一侧的指标说明
plt.show()
绘制多个不同的图表
我们在 Matplotlib 中绘制图表时，其实是在一个类似画布的 figure 中加入各种各样的元素，而这里面的子图被称之为 axes（与 XY axis 轴并不相同）。一般而言，一个图表至少拥有一个子图。当我们有多个子图时，这些图表就会通过行列排序。
如果我们要在同一个画布中绘制多个子图，应使用的函数为 plt.subplots(1, 2)。其中，数字 1、2 分别表示子图代号，原本的 plt.plot() 需要分别改成 ax1.plot() 和 ax2.plot()。
# 创建画布与子图fig, (ax1, ax2) = plt.subplots(1,2, figsize=(10,4), sharey=True, dpi=120)
# 绘制图表
ax1.plot([1,2,3,4,5], [1,2,3,4,10], 'go') # greendots
ax2.plot([1,2,3,4,5], [2,3,4,5,11], 'b*') # bluestar
# 设定标签与上限
ax1.set_title('Scatterplot Greendots'); ax2.set_title('Scatterplot Bluestars')
ax1.set_xlabel('X'); ax2.set_xlabel('X') # x 标签
ax1.set_ylabel('Y'); ax2.set_ylabel('Y') # y 标签
ax1.set_xlim(0, 6) ; ax2.set_xlim(0, 6) # x 轴上限
ax1.set_ylim(0, 12); ax2.set_ylim(0, 12) # y 轴上限
# ax2.yaxis.set_ticks_position('none')
plt.tight_layout()
plt.show()
在 plt.subplots() 设置 sharey=True 能让两个子图在 Y 轴上平行，而 dpi 则可以调整图标的清晰度。
进阶图形
Matplotlib 的图库远比点线图丰富，即使是更多的图表、曲线图都不在话下，我们甚至还可以调整各种参数修改图表大小和背景颜色等。由于篇幅限制，这里只放出几个进阶图形的参考图，有需要的小伙伴可以通过代码传送门在线查看 Python 代码，也可以参考 Matplotlib 的官方文档。
绘制多个图表
这一组图表使用了 numpy 模块的 randint 随机数和 for 循环实现：
打开 fourPlots.py 项目查看代码：https://55911a1851-share.lightly.teamcode.com
绘制曲线图（正余弦波）
打开 sincosWave.py 项目查看代码：https://55911a1851-share.lightly.teamcode.com
调整背景颜色
Matplotlib 自带的样式代码：
plt.style.available# ['seaborn-dark', 'seaborn-darkgrid', 'seaborn-ticks', 'fivethirtyeight',# 'seaborn-whitegrid', 'classic', '_classic_test', 'fast', 'seaborn-talk',
# 'seaborn-dark-palette', 'seaborn-bright', 'seaborn-pastel', 'grayscale',
# 'seaborn-notebook', 'ggplot', 'seaborn-colorblind', 'seaborn-muted',
# 'seaborn', 'Solarize_Light2', 'seaborn-paper', 'bmh', 'tableau-colorblind10',
# 'seaborn-white', 'dark_background', 'seaborn-poster', 'seaborn-deep']
打开 plotBackground.py 项目查看代码：https://55911a1851-share.lightly.teamcode.com
添加注释
plt.text 和 plt.annotate 可以分别为图表添加文本和注释。如果你想要添加多个注释，还可以通过 for 多次循环 plt.text() 函数。
打开 plotAnnotate.py 项目查看代码：https://55911a1851-share.lightly.teamcode.com
调整子图大小
我们可通过 Matplotlib 自带的两个函数绘制多子图的布局，即 plt.subplot2grid 和 plt.GridSpec。
我们甚至还可以在主图上添加子图：
打开 subplotSize.py 及 plotinPlot.py 项目查看代码：https://55911a1851-share.lightly.teamcode.com
泡沫图、柱状图、箱型图和时间序列
我们可以通过 plt.scatter() 函数动态改变某个点的颜色和大小，形成泡沫图的效果，甚至还可以关联 pandas 数据。
此外，我们还可以通过 plt.step()、plt.hist()、plt.boxplot()、plt.bar() 绘制不同的图表效果：
打开 bubblePlot.py 及 assortedPlot.py 项目查看代码：https://55911a1851-share.lightly.teamcode.com
本篇介绍的图形应用场景各有不同，大家可以根据自己的需求进行尝试。如果你对 TeamCode 的其他文章感兴趣，欢迎查看：
怎么看待 Python(PyScript) 可以做浏览器前端开发语言？
使用 Python Turtle 制作贪吃蛇游戏
学习 Python 爬虫，手把手通过 Python 入门爬取网页信息