人工智能之数据分析 Matplotlib

第六章知识总结

@
目录
人工智能之数据分析 Matplotlib
前言
一、核心架构
二、两种绘图风格
1. Pyplot 风格（命令式）
2. 面向对象风格（推荐用于脚本/项目）
三、常用图表类型与函数
四、关键定制功能
1. 标题与标签
2. 刻度与网格
3. 图例
4. 颜色与样式
5. 多子图
五、图像处理（谨慎使用）
六、中文显示解决方案
七、与 Seaborn 协同
八、最佳实践
九、常用配置速查
十、调试技巧
后续
资料关注

前言

本文对之前的关于matplotlib的知识进行系统性总结，便于知识梳理和归纳，为后续打好基础，或者面试使用

一、核心架构

Matplotlib 采用 三层架构：

Backend（后端）
- 负责图形渲染和输出（如 TkAgg、Qt5Agg、Agg（无界面）等）
- 通常无需手动设置，除非在服务器环境：
```
import matplotlib
matplotlib.use('Agg')  # 必须在 import pyplot 前设置
```
Artist Layer（艺术家层）
- 所有可视元素（Figure、Axes、Line、Text 等）都是 Artist 对象
- 面向对象 API 操作此层
Scripting Layer（脚本层）— pyplot
- 提供类似 MATLAB 的简单接口（如 plt.plot()）
- 自动管理当前 Figure 和 Axes

✅ 建议：简单绘图用 pyplot，复杂/可复用图表用 面向对象 API（fig, ax = plt.subplots()）

二、两种绘图风格

1. Pyplot 风格（命令式）

import matplotlib.pyplot as plt
plt.plot([1, 2, 3], [1, 4, 2])
plt.title("Title")
plt.show()

适合交互式探索（如 Jupyter Notebook）
隐式操作“当前”图形

2. 面向对象风格（推荐用于脚本/项目）

fig, ax = plt.subplots()
ax.plot([1, 2, 3], [1, 4, 2])
ax.set_title("Title")
plt.show()

显式控制每个组件
支持多子图、精细定制、避免状态混乱

三、常用图表类型与函数

图表类型	函数	典型用途
折线图	`ax.plot(x, y)`	趋势、时间序列
散点图	`ax.scatter(x, y, c=..., s=...)`	变量关系、聚类
柱状图	`ax.bar(categories, values)`	类别比较
水平柱状图	`ax.barh(...)`	类别名较长时
饼图	`ax.pie(sizes, labels=..., autopct=...)`	构成比例（≤5类）
直方图	`ax.hist(data, bins=...)`	数据分布
箱线图	`ax.boxplot(data)`	分布离散度、异常值
热力图	`ax.imshow(matrix, cmap=...)` 或 `sns.heatmap()`	矩阵、相关性
填充面积图	`ax.fill_between(x, y1, y2)`	区间范围

四、关键定制功能

1. 标题与标签

ax.set_title("Main Title", fontsize=14)
ax.set_xlabel("X Label")
ax.set_ylabel("Y Label")

2. 刻度与网格

ax.set_xticks([0, 1, 2])
ax.set_xticklabels(['A', 'B', 'C'])
ax.grid(True, linestyle='--', alpha=0.5)

3. 图例

ax.plot(x, y1, label='Series 1')
ax.plot(x, y2, label='Series 2')
ax.legend(loc='upper left')

4. 颜色与样式

颜色：color='red'、'#FF5733'、[0.1, 0.8, 0.3]
线型：linestyle='--' 或 ls=':'
标记：marker='o', markersize=8

5. 多子图

fig, axs = plt.subplots(2, 2, figsize=(10, 8))
axs[0, 0].plot(...)
plt.tight_layout()  # 自动防重叠

五、图像处理（谨慎使用）

⚠️ plt.imread / imsave 已弃用，建议用 Pillow 或 imageio

功能	推荐方式
读图	`np.array(Image.open('img.jpg'))`
显示	`ax.imshow(img)`
保存	`Image.fromarray(arr).save('out.png')`

六、中文显示解决方案

# 方法1：全局设置（Windows）
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示

# 方法2：指定字体路径（跨平台）
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="/path/to/simhei.ttf")
ax.set_title("标题", fontproperties=my_font)

七、与 Seaborn 协同

Seaborn 是 Matplotlib 的高级封装，默认使用 Matplotlib 渲染
设置 Seaborn 样式会影响后续所有 Matplotlib 图：
```
sns.set_style("whitegrid")
sns.set_palette("Set2")
```

混合使用：

fig, ax = plt.subplots()
sns.boxplot(data=df, x='category', y='value', ax=ax)
ax.set_title("Custom Title via Matplotlib")

八、最佳实践

✅ Do’s

使用 figsize 控制画布大小
用 dpi=300 + bbox_inches='tight' 保存高清图
多子图用 plt.subplots() + tight_layout()
复杂图表优先用面向对象 API
探索数据时结合 Seaborn 快速出图

❌ Don’ts

不要写 plt.plot(...)（... 是 Ellipsis，会报错！）
避免在循环中不关闭图形（内存泄漏）→ 用 plt.close()
饼图类别 > 5 时改用条形图
不要在服务器环境使用交互式后端（如 Tkinter）

九、常用配置速查

# 全局设置示例
plt.rcParams.update({
    'figure.figsize': (10, 6),
    'font.size': 12,
    'lines.linewidth': 2,
    'axes.grid': True,
    'axes.spines.top': False,
    'axes.spines.right': False
})

十、调试技巧

查看当前后端：matplotlib.get_backend()
列出可用字体：matplotlib.font_manager.findSystemFonts()
清空当前图：plt.clf()；关闭窗口：plt.close()
Jupyter 内联显示：%matplotlib inline

📌 一句话总结：
“简单用 pyplot，复杂用 axes；中文设字体，多图用 subplots；高清靠 savefig，美观靠 Seaborn。”

后续

python过渡项目部分代码已经上传至gitee，后续会逐步更新。

资料关注

公众号：咚咚王
gitee：https://gitee.com/wy18585051844/ai_learning

《Python编程：从入门到实践》
《利用Python进行数据分析》
《算法导论中文第三版》
《概率论与数理统计（第四版） (盛骤) 》
《程序员的数学》
《线性代数应该这样学第3版》
《微积分和数学分析引论》
《（西瓜书）周志华-机器学习》
《TensorFlow机器学习实战指南》
《Sklearn与TensorFlow机器学习实用指南》
《模式识别（第四版）》
《深度学习 deep learning》伊恩·古德费洛著花书
《Python深度学习第二版(中文版)【纯文本】 (登封大数据 (Francois Choliet)) (Z-Library)》
《深入浅出神经网络与深度学习+(迈克尔·尼尔森（Michael+Nielsen）》
《自然语言处理综论第2版》
《Natural-Language-Processing-with-PyTorch》
《计算机视觉-算法与应用(中文版)》
《Learning OpenCV 4》
《AIGC：智能创作时代》杜雨+&+张孜铭
《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》
《从零构建大语言模型（中文版）》
《实战AI大模型》
《AI 3.0》

posted on 2025-11-30 21:48 咚咚王者阅读(5) 评论(0) 收藏举报

刷新页面返回顶部