Matplotlib 核心类与常用函数使用说明

Matplotlib 核心类与常用函数使用说明（精准聚焦高频场景）

以下按「核心类 → 常用函数 → 实战示例」结构，聚焦实际开发中80%场景用到的功能，明确类与函数的调用关系、参数含义，避开冗余细节：

一、核心类（基础骨架，必须掌握）

1. Figure 类（画布）

  • 作用：顶层容器，承载所有绘图元素（Axes、标题、图例等），控制画布大小、分辨率等全局属性。
  • 创建方式：
    import matplotlib.pyplot as plt
fig = plt.figure(figsize=(8, 4), dpi=100, facecolor='white')  # 最常用
  • 关键参数：
    • figsize=(宽, 高)：单位英寸（默认(6.4, 4.8)），最终像素=figsize×dpi；
    • dpi：分辨率（默认100），值越高图片越清晰；
    • facecolor：画布背景色（默认白色，可用十六进制如#f0f0f0）。
  • 常用方法：
    • fig.add_subplot(nrows, ncols, index)：添加单个子图（Axes），如fig.add_subplot(2,2,1)=2行2列第1个子图；
    • fig.subplots(nrows, ncols)：批量创建子图，返回(fig, (ax1, ax2...))，更高效；
    • fig.savefig('path.png', dpi=150, bbox_inches='tight')：保存图片（bbox_inches裁剪空白边距）；
    • fig.suptitle('全局标题', fontsize=16)：添加画布级全局标题（区别于Axes的子图标题）。

2. Axes 类（子图/绘图区域）

  • 作用：实际绘图的“容器”，包含x轴、y轴、数据线条、标签等，所有绘图操作的核心对象。
  • 创建方式：
    # 方式1：通过Figure创建
fig = plt.figure()
ax = fig.add_subplot(1,1,1)  # 1行1列唯一子图

# 方式2：快捷创建（推荐）
fig, ax = plt.subplots()  # 等价于上面两行
fig, (ax1, ax2) = plt.subplots(1,2)  # 1行2列，返回两个Axes对象
  • 常用方法（绘图+美化）：
    功能 方法 核心参数
    绘图 ax.plot(x,y)（折线图） color（颜色）、linewidth（线宽）、label（图例标识）
    ax.scatter(x,y)（散点图） s（点大小）、c（颜色）、alpha（透明度）
    ax.bar(x, height)（柱状图） width（柱宽）、color、edgecolor（边框色）
    坐标轴设置 ax.set_xlabel()/set_ylabel() fontsize（字体大小）、labelpad（与轴的间距）
    ax.set_xlim(min, max)/set_ylim() 设置轴的显示范围
    ax.set_xticks(ticks)/set_yticks() 自定义刻度位置（如ax.set_xticks([0,2,4])）
    标题与图例 ax.set_title() fontsize、pad（与图表间距）
    ax.legend() loc（位置，如'best'/'upper right'）、fontsize
    网格与背景 ax.grid(True) alpha（透明度）、linestyle（线型，如'--'）
    ax.set_facecolor('#f8f8f8') 设置子图背景色

3. Axis 类（单个坐标轴）

  • 作用：控制x轴/ y轴的刻度、标签、样式（是Axes的子组件）。
  • 获取方式：通过Axes对象访问，如ax.xaxis（x轴）、ax.yaxis（y轴）。
  • 常用方法：
    ax.xaxis.set_tick_params(labelsize=10, rotation=45)  # 刻度标签大小+旋转45度
ax.xaxis.set_label_text('X轴名称', fontsize=12)  # 等价于ax.set_xlabel()
ax.xaxis.set_major_locator(plt.MultipleLocator(1))  # 主刻度每1个单位显示1个

二、常用辅助函数（plt接口，便捷操作）

plt 是Matplotlib的便捷接口，本质是对“当前Figure/Axes”的封装，适合快速绘图，核心函数如下：

函数 功能 对应Axes方法（推荐）
plt.figure() 创建Figure对象 ——
plt.plot(x,y) 绘制折线图（自动绑定当前Axes） ax.plot(x,y)
plt.xlabel()/plt.ylabel() 设置坐标轴标签 ax.set_xlabel()/ax.set_ylabel()
plt.title() 设置子图标题 ax.set_title()
plt.legend() 显示图例 ax.legend()
plt.xlim()/plt.ylim() 设置轴范围 ax.set_xlim()/ax.set_ylim()
plt.grid() 显示网格 ax.grid()
plt.show() 显示图像窗口 ——
plt.savefig() 保存图像 fig.savefig()
plt.tight_layout() 自动调整子图布局（避免标签截断） ——
plt.rcParams[] 全局配置（如中文、字体） ——

关键提醒：plt接口 vs Axes接口

  • 简单绘图（单图）：plt 接口更便捷（如plt.plot()+plt.show()）；
  • 复杂绘图（多子图、自定义样式）：优先用 Axes 接口（ax.xxx），避免“画错子图”；
  • 示例对比：
    # plt接口（快速单图）
plt.plot(x, y, color='red')
plt.xlabel('X')
plt.show()

# Axes接口（精准控制）
fig, ax = plt.subplots(1,2)
ax[0].plot(x, y1)  # 第1个子图
ax[1].plot(x, y2, color='red')  # 第2个子图
ax[0].set_xlabel('X1')
ax[1].set_xlabel('X2')
plt.show()

三、高频参数速查（通用规则）

1. 颜色（color）参数

  • 支持格式：
    • 英文单词：'red'/'blue'/'green'；
    • 十六进制：'#FF0000'（红色）、'#2F4F4F'（深灰色）；
    • RGB/RGBA：(1,0,0)（红色）、(1,0,0,0.5)（半透明红色）；
    • 缩写：'r'（红）、'g'（绿）、'b'（蓝）、'k'（黑）、'w'（白）。

2. 线型（linestyle）参数

  • 常用值：'-'（实线，默认）、'--'（虚线）、':'（点线）、'-.'（点划线）。

3. 透明度（alpha）参数

  • 取值范围：01（0完全透明，1不透明），常用0.30.8（避免遮挡数据）。

四、实战示例（整合核心类与函数）

import matplotlib.pyplot as plt
import numpy as np

# 1. 全局配置（中文+负号显示）
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows中文
plt.rcParams['axes.unicode_minus'] = False

# 2. 创建Figure和Axes（2行1列子图）
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(8, 6), dpi=100)
fig.suptitle('Matplotlib核心类实战示例', fontsize=16, pad=20)  # 全局标题

# 3. 生成测试数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 4. 子图1：折线图（设置颜色、线型、标签）
ax1.plot(x, y1, color='#FF6B6B', linewidth=2, linestyle='-', label='sin(x)')
ax1.set_xlabel('x（弧度）', fontsize=12)
ax1.set_ylabel('y值', fontsize=12)
ax1.set_title('正弦函数', fontsize=14)
ax1.legend(loc='upper right', fontsize=10)
ax1.grid(alpha=0.3, linestyle='--')
ax1.set_xlim(0, 10)  # x轴范围0~10

# 5. 子图2：散点图（设置点大小、颜色、透明度）
ax2.scatter(x, y2, s=30, c='#4ECDC4', alpha=0.6, label='cos(x)')
ax2.set_xlabel('x（弧度）', fontsize=12)
ax2.set_ylabel('y值', fontsize=12)
ax2.set_title('余弦函数（散点图）', fontsize=14)
ax2.legend(loc='best', fontsize=10)
ax2.grid(alpha=0.3, linestyle=':')

# 6. 调整布局+保存+显示
plt.tight_layout()  # 避免标签截断
fig.savefig('matplotlib_demo.png', dpi=150, bbox_inches='tight')
plt.show()

五、使用原则总结

  1. 先创建 Figure 和 Axes，再调用 ax.xxx 绘图（复杂场景优先）；
  2. 相同功能优先用 Axes 接口（如ax.set_xlabel()），比 plt 接口更精准；
  3. 参数遵循“通用规则”（颜色、线型、透明度等参数格式一致），无需死记硬背；
  4. 保存图片时，先 fig.savefig() 再 plt.show()，避免保存空白。

Matplotlib 核心类与函数速查表

目录

  1. 核心类（Figure/Axes/Axis）
  2. 常用绘图函数
  3. 图表美化函数
  4. 数据格式适配
  5. 保存与显示函数
  6. 常见问题速查

一、核心类（基础骨架）

1. Figure 类（画布）

功能 代码示例 关键参数说明
创建画布 fig = plt.figure(figsize=(8,4), dpi=100, facecolor='white') figsize：(宽,高)英寸；dpi：分辨率；facecolor：背景色
添加子图（Axes） ax = fig.add_subplot(2,2,1) 或 fig, ax = plt.subplots(2,2) nrows/ncols：子图行列数；index：子图索引（从1开始）
全局标题 fig.suptitle('全局标题', fontsize=16, pad=20) pad：与子图间距；fontsize：字体大小
保存图片 fig.savefig('output.png', dpi=150, bbox_inches='tight') bbox_inches='tight'：裁剪空白；dpi：保存分辨率（建议≥150）

2. Axes 类（绘图区域）

功能 代码示例 关键参数说明
折线图 ax.plot(x, y, color='red', linewidth=2, label='曲线1') color：颜色；linewidth：线宽；label：图例标识
散点图 ax.scatter(x, y, s=50, c='blue', alpha=0.6) s：点大小；alpha：透明度（0-1）；c：颜色
柱状图 ax.bar(x, height, width=0.6, edgecolor='black') width：柱宽；edgecolor：边框色
坐标轴标签 ax.set_xlabel('X轴', fontsize=12, labelpad=5) labelpad：与轴的间距；fontsize：字体大小
轴范围设置 ax.set_xlim(0, 10) / ax.set_ylim(-5, 5) 直接指定轴的最小值和最大值
标题与图例 ax.set_title('子图标题', fontsize=14) / ax.legend(loc='upper right') loc：图例位置（best/upper left等）
网格设置 ax.grid(True, alpha=0.3, linestyle='--') linestyle：线型（-/--/:）；alpha：透明度

3. Axis 类（单个坐标轴）

功能 代码示例 关键参数说明
刻度标签样式 ax.xaxis.set_tick_params(labelsize=10, rotation=45) rotation：标签旋转角度；labelsize：字体大小
自定义刻度位置 ax.xaxis.set_major_locator(plt.MultipleLocator(2)) MultipleLocator(n)：每n个单位显示1个刻度
坐标轴颜色 ax.xaxis.set_linewidth(1.5) / ax.xaxis.set_color('red') 设置轴的线条宽度和颜色

二、常用绘图函数（plt 接口）

函数名 功能描述 示例代码
plt.plot(x,y) 绘制折线图（快速接口） plt.plot(x, np.sin(x), 'r--', label='sin(x)')
plt.hist(x) 绘制直方图 plt.hist(data, bins=30, alpha=0.7, color='skyblue')
plt.boxplot(x) 绘制箱线图 plt.boxplot([group1, group2], labels=['A', 'B'])
plt.pie(x) 绘制饼图 plt.pie(values, labels=['A', 'B', 'C'], autopct='%1.1f%%')
plt.scatter(x,y) 绘制散点图 plt.scatter(x, y, c=z, cmap='viridis', s=30)
plt.xlabel() 设置X轴标签（快速接口） plt.xlabel('时间', fontsize=12)
plt.title() 设置子图标题（快速接口） plt.title('数据分布', fontsize=14, pad=15)
plt.legend() 显示图例（快速接口） plt.legend(loc='best', fontsize=10)
plt.show() 显示图像窗口 plt.show()
plt.tight_layout() 自动调整布局（避免标签截断） plt.tight_layout()

三、图表美化常用配置

1. 全局配置（plt.rcParams）

# 中文显示（Windows/Linux/Mac通用）
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # Mac
# plt.rcParams['font.sans-serif'] = ['DejaVu Sans']  # Linux
plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号

# 全局字体大小
plt.rcParams['font.size'] = 10
# 图表边框样式
plt.rcParams['axes.linewidth'] = 1.2
# 图例样式
plt.rcParams['legend.frameon'] = True  # 显示图例边框

2. 颜色与线型速查

颜色缩写 对应颜色 线型缩写 对应线型
'r' 红色 '-' 实线
'g' 绿色 '--' 虚线
'b' 蓝色 ':' 点线
'k' 黑色 '-.' 点划线
'w' 白色
'y' 黄色

四、数据格式适配（NumPy/Pandas）

数据类型 适配方法 示例代码
NumPy 数组 直接传入函数 x = np.linspace(0, 10, 100) → plt.plot(x, np.cos(x))
Pandas Series 直接传入（自动识别索引） s = pd.Series(np.random.randn(100)) → ax.plot(s)
Pandas DataFrame 指定列名（Seaborn 更友好） df = pd.DataFrame({'x': x, 'y': np.sin(x)}) → sns.lineplot(data=df, x='x', y='y')

五、保存与显示最佳实践

1. 保存图片注意事项

# 正确顺序：先保存再显示（避免空白图片）
fig, ax = plt.subplots()
ax.plot(x, y)
fig.savefig('result.png', dpi=150, bbox_inches='tight', facecolor='white')
plt.show()

# 支持格式：PNG/JPG/SVG/PDF（SVG/PDF为矢量图，放大不失真）
fig.savefig('result.svg')  # 矢量图，适合论文/报告

2. 多子图布局示例

# 2行2列子图，共享X轴
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, sharex=True, figsize=(10, 6))
ax1.plot(x, np.sin(x))
ax2.plot(x, np.cos(x))
ax3.plot(x, np.tan(x))
ax4.plot(x, np.exp(-x))
fig.suptitle('多子图示例', fontsize=16)
plt.tight_layout()

六、常见问题速查

问题现象 解决方案
中文显示乱码 配置 plt.rcParams['font.sans-serif'] 和 axes.unicode_minus
标签被截断 调用 plt.tight_layout() 或 fig.tight_layout()
保存图片空白 先 fig.savefig() 再 plt.show()（plt.show() 会清空画布）
多子图绘制错乱 优先使用 Axes 接口（ax1.plot()/ax2.plot()），避免 plt 接口混用
颜色/线型不生效 检查参数名是否正确（如 linewidth 而非 line_width）
posted @ 2025-11-25 13:45  wangya216  阅读(128)  评论(0)    收藏  举报