Python基础教程:Matplotlib图形绘制

1.引言

Matplotlib是一个广泛使用的数据可视化库，提供了丰富的绘图功能，用于创建各种类型的静态、动态和交互式图形。

以下是Matplotlib的一些主要特点：

本文将结合我们上一篇教程(Python基础教程:NumPy库的使用)中提及的NumPy生成样例数据，以便我们用于创建各种类型的图形。以下是一个高级教程，其中包含多个例子和一些高级用法。

首先，确保你已经安装了matplotlib和NumPy模块，可以通过以下命令来安装它们：

pip install matplotlib numpy

接下来，导入需要的模块：

import matplotlib.pyplot as plt
import numpy as np

2. 绘制折线图：

x = np.linspace(0, 2*np.pi, 100)  # 在0到2π之间生成100个点作为x轴坐标
y = np.sin(x)                     # 通过sin函数生成对应的y轴坐标

plt.plot(x, y)                    # 绘制折线图
plt.xlabel('x')                   # 设置x轴标签
plt.ylabel('y')                   # 设置y轴标签
plt.title('Sin Function')          # 设置标题
plt.show()                        # 显示图形

3. 绘制散点图

x = np.random.rand(100)    # 生成100个随机数作为x轴坐标
y = np.random.rand(100)    # 生成100个随机数作为y轴坐标

plt.scatter(x, y)          # 绘制散点图
plt.xlabel('x')            # 设置x轴标签
plt.ylabel('y')            # 设置y轴标签
plt.title('散点图')  # 设置标题
plt.show()                 # 显示图形

绘制的图形如下，我们可以看到，标题本应当显示散点图，但实际上显示的却是三个小方格。为什么会这样呢?

原因在于 matplotlib 的作者在设计时并没有直接支持中文，主要原因是中文字体渲染较为复杂，并且涉及到不同操作系统、字体库和编程环境的差异。这使得在绘制中文时可能遇到各种字体显示问题，例如乱码、错位等。但是，我们可以通过一些方法来解决这个问题。

4.解决中文显示问题

在使用 matplotlib绘图时出现中文显示问题，可以按照以下步骤解决：

1、配置字体路径

这种方法是墙裂不推荐的，原因是需要修改matplotlib本身的配置文件，同样的代码换个环境执行，可能中文就显示异常了，但也在这介绍一下。找到系统中已安装的中文字体文件，通常位于Windows的C:WindowsFonts目录下，或者其他操作系统中类似的位置。你也可以使用如下代码查看：

import matplotlib.font_manager as fm

# 获取系统中所有已安装的字体信息
font_info = fm.findSystemFonts()

# 输出每个字体的名称和路径
for font_path in font_info:
    font_prop = fm.FontProperties(fname=font_path)
    font_name = font_prop.get_name()
    print(f"Font Name: {font_name}")
    print(f"Font Path: {font_path}n")

将字体文件路径添加到matplotlib的配置文件中。可以在Python中执行以下代码查看matplotlibrc配置文件的所在路径。

import matplotlib
print(matplotlib.matplotlib_fname())

找到下图所示这几行配置，这里我将sans-serif改成 微软雅黑字体:Microsoft YaHei，并取消这几行的注释，运行后可以看到中文正常显示。

2.修改rcParams来达到效果，这种方法适合用于修改默认字体、默认样式等，对于字体个性化需求较高的图形，不建议使用此方法。

import matplotlib.pyplot as plt

#####################################
from matplotlib import rcParams
rcParams['font.family'] = 'Microsoft YaHei'

3.设置FontProperties，推荐使用此方法来对字体进行设置，比较灵活

import matplotlib.pyplot as plt
import numpy as np

from matplotlib.font_manager  import FontProperties

microsoft_yahei_font = FontProperties('Microsoft YaHei')

fang_song_font = FontProperties(fname=r'C:WindowsFontssimfang.ttf')


x = np.random.rand(100)    # 生成100个随机数作为x轴坐标
y = np.random.rand(100)    # 生成100个随机数作为y轴坐标

plt.scatter(x, y)          # 绘制散点图
plt.xlabel('x轴')            # 设置x轴标签
plt.ylabel('y轴',fontproperties=microsoft_yahei_font)            # 设置y轴标签
plt.title('散点图',fontproperties=fang_song_font)  # 设置标题

plt.show()

绘制的图形中，可以看到上述设置字体及未设置的区别，推荐使用此方法。

5.划分子图

在Matplotlib中，使用子图（Subplot）可以在一个绘图窗口中创建多个小的坐标系，从而将多个图形放置在同一个图像中，并进行灵活的布局。

import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
import numpy as np

# 设置字体为微软雅黑
font = FontProperties('Microsoft YaHei')

# 生成随机数据
categories = ['A', 'B', 'C', 'D']
values = np.random.rand(len(categories))

# 创建一个包含两个子图的画布
fig, ax = plt.subplots(2, 1)

# 在第一个子图上绘制柱状图
ax[0].bar(categories, values)
ax[0].set_title('柱状图', fontproperties=font)

# 在第二个子图上绘制另一个饼图
# 生成随机数据
sizes = np.random.rand(len(categories))
ax[1].pie(sizes, labels=categories, autopct='%1.1f%%')
ax[1].set_title('带百分比的饼图',  fontproperties=font)

# 调整子图之间的间距和布局
plt.tight_layout()
# 显示图形
plt.show()

通过调整subplots()函数的参数，你可以创建不同尺寸和布局的子图，以满足你的需求。同时，你也可以使用其他的matplotlib绘图函数在子图中绘制各种类型的图形。

6.总结

Python的Matplotlib是一个功能强大的数据可视化库，可以用于创建各种类型的静态、动态和交互式图形。它提供了广泛的绘图选项和配置参数，使用户能够根据自己的需求定制图形。常见的一些用法如下：

1、使用不同的matplotlib绘图函数创建所需的图形，如折线图、散点图、柱状图、饼图等。常用的绘图函数有plt.plot()、plt.scatter()、plt.bar()、plt.pie()等。

2、配置图形属性：可以使用各种属性设置函数来自定义图形，如标题、坐标轴标签、图例、线型、颜色、标记符号等。常用的属性设置函数有plt.title()、plt.xlabel()、plt.ylabel()、plt.legend()、plt.grid()等。

3、显示图形：通过调用plt.show()函数显示图形。该函数可以在所有绘图操作完成后调用，也可以在每次绘制完一个子图后调用，以便逐个显示子图。

4、保存图形：通过使用plt.savefig()函数将绘制的图形保存为文件，常见的文件格式包括PNG、JPEG、PDF等。

5、绘制多个子图：使用plt.subplots()函数可以创建一个包含多个子图的画布，然后在不同的子图上绘制不同的图形。可以使用索引或布局参数来控制子图的位置和排列方式。

Matplotlib提供了丰富的样式选项和布局控制功能，可以帮助美化图形和调整图形的形状、大小和比例。除了基本的Matplotlib库外，还有一些扩展库可以进一步增强Matplotlib的功能。例如，Seaborn可以提供更漂亮的图形样式，Basemap可以绘制地理地图，3D可视化库可以创建三维图形等等。

总之，Matplotlib是Python中最常用和最受欢迎的数据可视化库之一。通过灵活的接口和强大的功能，它可以满足各种数据可视化需求，并帮助用户以可视化的方式更好地理解和呈现数据。