Matplotlib绘图基本介绍

Matplotlib 绘图核心入门：Pyplot 接口、状态机机制与标准出图工作流

小象实战讲义 · Python数据分析实战

作为 Python 科学计算生态中最悠久、最强大的基础绘图库，Matplotlib 赋予了开发者对图表每个像素和组件的绝对控制权。无论是折线图、散点图、直方图还是复杂的三维流形，Matplotlib 都能精确绘制。Matplotlib 提供了两套核心编程接口：模仿 MATLAB 的 Pyplot 状态机接口（State-based Interface） 与 面向对象的 OO 接口（Object-Oriented Interface）。本节我们将系统掌握 Pyplot 的基础绘图语法、图表渲染生命周期与标准出图流程。

💡 核心导读

• Pyplot（matplotlib.pyplot）的核心定位：提供简洁快捷的函数式绘图接口。
• 绘图标准六步流水线：
  • 1. 准备数据源（NumPy 数组或 Pandas Series）；
  • 2. 初始化画布（plt.figure()）；
  • 3. 调用几何图元绘制函数（plt.plot()、plt.scatter() 等）；
  • 4. 丰富图表元数据（标题、轴标签、网格、图例）；
  • 5. 调整坐标轴与刻度范围；
  • 6. 渲染展示（plt.show()）或保存落盘（plt.savefig()）。
• 中文字体与负号方块配置规范。

1. Matplotlib 标准出图六步流水线

标准绘图流程如下所示：

┌─────────────────────────────────────────────────────────────┐
│                 Matplotlib 绘图生命周期                     │
├─────────────────────────────────────────────────────────────┤
│ 1. 准备数据 (x, y) ──► 2. plt.figure() 创建画布             │
│                              │                              │
│                              ▼                              │
│ 3. plt.plot() 绘制曲线 ──► 4. 添加 title / xlabel / legend  │
│                              │                              │
│                              ▼                              │
│ 5. plt.grid() 辅助网格 ──► 6. plt.savefig() / plt.show()    │
└─────────────────────────────────────────────────────────────┘

import matplotlib.pyplot as plt
import numpy as np

# 解决中文显示与负号问题
plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False

# 1. 准备数据：模拟某产品一天的访问量变化曲线
hours = np.arange(0, 24)
visitors = 500 + 300 * np.sin(hours * np.pi / 12 - 1.5) + np.random.normal(0, 30, 24)

# 2. 创建画布并指定尺寸与分辨率 (DPI)
plt.figure(figsize=(10, 4.5), dpi=100)

# 3. 绘制折线图并指定样式
plt.plot(hours, visitors, color="#1f77b4", linewidth=2, linestyle="-", marker="o", label="实时访客数")

# 4. 添加标题与坐标轴标签
plt.title("24小时网站访问流量实时监控曲线", fontsize=14, pad=12)
plt.xlabel("时间 (点)", fontsize=11)
plt.ylabel("在线访客数 (人)", fontsize=11)

# 5. 设置坐标轴刻度与参考网格
plt.xticks(np.arange(0, 25, 2))
plt.grid(True, linestyle="--", alpha=0.6)
plt.legend(loc="upper left")

# 6. 保存图片 (测试环境不弹窗阻塞)
plt.savefig("traffic_monitor_demo.png", bbox_inches="tight")
plt.close()

print("✅ 成功按照六步法生成监控折线图并安全保存！")

2. 多曲线绘制与图例系统

在同一个画布中可以多次调用 plt.plot() 绘制多条曲线，并通过 plt.legend() 自动生成图例。

# 绘制对照曲线：产品 A vs 产品 B
plt.figure(figsize=(8, 4))
days = np.arange(1, 8)
sales_a = [120, 135, 150, 140, 180, 230, 210]
sales_b = [90, 110, 130, 160, 190, 200, 240]

plt.plot(days, sales_a, "r-o", label="门店 A 销量")
plt.plot(days, sales_b, "b--s", label="门店 B 销量")

plt.title("两家分店一周销量走势对比")
plt.xlabel("星期")
plt.ylabel("销量 (件)")
plt.legend()
plt.grid(True, alpha=0.3)

plt.savefig("sales_comparison_demo.png", bbox_inches="tight")
plt.close()

import os
for f in ["traffic_monitor_demo.png", "sales_comparison_demo.png"]:
    if os.path.exists(f): os.remove(f)
print("✅ 多曲线图例对比出图成功！")

📝 动手练一练

1. 概念思考题：在脚本环境中运行 Matplotlib 绘图时，如果在循环中多次调用 plt.figure() 却不调用 plt.close()，会导致什么严重问题？

   👉 点击查看参考答案

   参考答案： 会导致内存严重泄漏（Memory Leak）。Matplotlib 会在内存中持续维护所有未关闭的 Figure 画布对象，当绘制成百上千张图时会耗尽系统内存。在自动化脚本中，保存图表后必须显式调用 plt.close() 释放资源。

2. 编程练习：请编写代码绘制函数 $y = x^2$ 在区间 $[-5, 5]$ 上的曲线，并添加标题和网格。

   👉 点击查看参考答案

   参考答案：

   import matplotlib.pyplot as plt
   import numpy as np
   x = np.linspace(-5, 5, 100)
   y = x ** 2
   plt.plot(x, y, 'g-')
   plt.title("y = x^2")
   plt.grid(True)
   plt.close()

本章小结

• 掌握了 Matplotlib 标准出图的六步工程流水线；
• 熟练运用 plt.plot、plt.title、plt.xlabel、plt.legend 完善图表元数据；
• 建立了脚本环境下及时调用 plt.close() 释放画布内存的良好编程习惯。

📋 行动清单

• 在本地执行示例代码，观察控制台输出并记录关键指标。
• 做好准备，进入下一小节学习《Matplotlib 画布体系：Figure、Axes 与面向对象绘图模型》！

—— 小象教研组