目录
前言
折线图
散点图
柱状图
直方图
组合图：柱状图和折线图
1. 导入库
2. 定义组合图函数
3. 设置中文字体和样式
4. 创建画布和子图
5. 绘制柱状图
6. 绘制折线图
7. 美化图表
8. 保存和显示图表
9. 调用函数
总结
前言
matplotlib 是 Python 中最常用的绘图库之一，无论是数据分析还是科研绘图，它都能轻松搞定。今天我们就来学习如何使用 matplotlib 绘制四种常见的图表：折线图、散点图、柱状图 和 直方图和组合图（柱状图和折线图），并重点讲解组合图。
折线图
import matplotlib.pyplot as plt
import randomfrom pylab import mplmpl.rcParams["font.sans-serif"] = ["SimHei"] # 设置显示中文字体
mpl.rcParams["axes.unicode_minus"] = False # 设置正常显示符号# 数据准备
x = range(24)
y = [random.uniform(13, 20) for i in x] # random.uniform()：随机生成13-20范围内的浮点数plt.figure(figsize=(10, 5), dpi=80) # 创建画布
plt.plot(x, y, color='y', linestyle='-', label='温度') # 绘制折线图x_ticks_label = ["{}:00".format(i) for i in x] # 构建x轴刻度标签
y_ticks = range(40) # 构建y轴刻度# 修改x,y轴坐标的刻度显示
plt.xticks(x[::2], x_ticks_label[::2])
plt.yticks(y_ticks[10:20:1])plt.grid(True, linestyle='-', alpha=0.9) # 添加网格
plt.legend(loc=0) # 显示图例# 描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("24小时内温度变化图", fontsize=18)plt.savefig("./plot.jpg") # 保存至指定位置
plt.show() # 显示图像
效果展示
散点图
import matplotlib.pyplot as plt
import random
from pylab import mplmpl.rcParams["font.sans-serif"] = ["SimHei"] # 设置显示中文字体
mpl.rcParams["axes.unicode_minus"] = False # 设置正常显示符号# 数据准备
x = range(100)
y = [random.uniform(13, 20) for i in x] # random.uniform()：随机生成13-20范围内的浮点数plt.figure(figsize=(10, 5), dpi=80) # 创建画布
plt.scatter(x, y, color='r', linestyle='-', label='樟树') # 绘制折线图x_ticks_label = ["{}天".format(i) for i in x] # 构建x轴刻度标签
y_ticks = range(25) # 构建y轴刻度# 修改x,y轴坐标的刻度显示
plt.xticks(x[::10], x_ticks_label[::10])
plt.yticks(y_ticks[10:22:2])plt.grid(True, linestyle='-', alpha=0.9) # 添加网格
plt.legend(loc=0) # 显示图例# 描述信息
plt.xlabel("时间/天")
plt.ylabel("温度")
plt.title("24小时内温度变化图", fontsize=18)plt.savefig("./scatter.jpg") # 保存至指定位置
plt.show() # 显示图像
效果展示
柱状图
import matplotlib.pyplot as plt
import randomfrom pylab import mpl
mpl.rcParams["font.sans-serif"] = ["SimHei"] # 设置显示中文字体
mpl.rcParams["axes.unicode_minus"] = False # 设置正常显示符号# 数据准备
x = range(0, 10)
y = [random.randint(35, 45) for i in x] # random.uniform()：随机生成13-20范围内的浮点数plt.figure(figsize=(10, 5), dpi=80) # 创建画布
plt.bar(x, y, width=0.5, color=['b', 'r', 'g', 'y', 'c', 'm', 'y', 'k', 'c', 'g']) # 绘制折线图x_ticks_label = ["21{}班".format(i) for i in x] # 构建x轴刻度标签
y_ticks = range(55) # 构建y轴刻度# 修改x,y轴坐标的刻度显示
plt.xticks(x[::1], x_ticks_label[::1])
plt.yticks(y_ticks[0:55:5])plt.grid(True, linestyle=':', alpha=0.3) # 添加网格# 描述信息
plt.xlabel("班级")
plt.ylabel("人数")
plt.title("2021级各班人数柱状图", fontsize=18)plt.savefig("./bar.jpg") # 保存至指定位置
plt.show() # 显示图像效果展示
直方图
import matplotlib.pyplot as plt
import numpy as npplt.style.use('_mpl-gallery')# 生成数据
np.random.seed(1) # 随机数种子，用于生成随机数
x = 4 + np.random.normal(0, 1.5, 200)
# np.random.normal(loc=0.0, scale=1.0, size=None) #为一个正态分布
# loc(float)：均值，对应着这个分布的中心。loc=0说明这一个以y轴为对称轴的正态分布
# scale(float)：标准差，对应分布的宽度，scale越大越矮胖，scale越小，越瘦高
# size(int 或者整数元组)：输出的值赋在shape里，默认为None# plot:fig, ax = plt.subplots()ax.hist(x, bins=8, linewidth=0.5, edgecolor="white")ax.set(xlim=(0, 10), xticks=np.arange(1, 10),ylim=(0, 56), yticks=np.linspace(0, 56, 9)) # 9个，包含0，间隔为7，7×8=56，即[0,7,14,21,28,35,42,49,56]
# np.arange()：返回一个有终点和起点的固定步长的排列
# np.linspace(start, stop, num):用来创建等差数列，num为个数plt.savefig("./直方图.jpg") # 保存至指定位置
plt.show()
效果图
组合图：柱状图和折线图
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
import osdef combination_chart(df=pd.DataFrame({'key': [1, 2, 3], 'data1': [1, 2, 3], 'data2': [4, 5, 6]}),x=[1, 2, 3],x_label='月份', rotation=90, y1=[1, 2, 3], y1_label='金额/元', y2=[1, 2, 3],y2_label='数量', picture_save=os.path.abspath(r'.')):# 生成图表plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文字体设置-黑体plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题sns.set(font='SimHei', style='dark') # 解决Seaborn中文显示问题ax = plt.subplot(1, 1, 1)# 设置图形大小plt.rcParams['figure.figsize'] = (14, 4)fig = plt.figure()# 画柱形图ax1 = fig.add_subplot(1, 1, 1)ax1.set_ylim([0, max(y1) * 1.4])ax1.bar(x, y1, alpha=0.6, color=sns.color_palette('Blues_r', df.shape[0]))ax1.set_ylabel(y1_label, fontsize='11')ax1.set_xlabel(x_label, fontsize='11')ax1.tick_params(labelsize=11)for _x, _y in zip(x, y1):plt.text(_x, _y, int(_y), color='black', fontsize=11, ha='center', va='bottom') # 将数值显示在图形上plt.xticks(x, rotation=rotation) # 设置x刻度# 画折线图ax2 = ax1.twinx() # 组合图必须加这个ax2.set_ylim([-max(y2) * 1.4, max(y2) * 1.4])ax2.plot(x, y2, 'r', ms=5, lw=1, marker='o') # 设置线粗细，节点样式ax2.set_ylabel(y2_label, fontsize='11')ax2.tick_params(labelsize=11)for x, y in zip(x, y2): # # 添加数据标签plt.text(x, y, int(y), ha='center', va='bottom', fontsize=11, rotation=0)sns.despine(left=True, bottom=True, right=True) # 删除坐标轴，默认删除右上plt.savefig(picture_save, dpi=200, bbox_inches='tight')plt.show()combination_chart()
效果图
代码讲解：
1. 导入库
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
import os-
matplotlib.pyplot：用于绘制图表的核心模块。 -
pandas：用于数据处理和分析。 -
seaborn：基于matplotlib的高级绘图库，提供更美观的默认样式。 -
os：用于处理文件路径。
2. 定义组合图函数
def combination_chart(df=pd.DataFrame({'key': [1, 2, 3], 'data1': [1, 2, 3], 'data2': [4, 5, 6]}),x=[1, 2, 3],x_label='月份', rotation=90, y1=[1, 2, 3], y1_label='金额/元', y2=[1, 2, 3],y2_label='数量', picture_save=os.path.abspath(r'.')):-
df：默认的 DataFrame，包含key、data1和data2三列。 -
x：x 轴数据，默认值为[1, 2, 3]。 -
x_label：x 轴标签，默认值为'月份'。 -
rotation：x 轴刻度标签的旋转角度，默认值为90（垂直显示）。 -
y1：柱状图的 y 轴数据，默认值为[1, 2, 3]。 -
y1_label：柱状图的 y 轴标签，默认值为'金额/元'。 -
y2：折线图的 y 轴数据，默认值为[1, 2, 3]。 -
y2_label：折线图的 y 轴标签，默认值为'数量'。 -
picture_save：图表保存路径，默认值为当前目录。
3. 设置中文字体和样式
plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文字体设置-黑体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
sns.set(font='SimHei', style='dark') # 解决Seaborn中文显示问题-
font.sans-serif：设置字体为SimHei（黑体），以支持中文显示。 -
axes.unicode_minus：解决负号显示为方块的问题。 -
sns.set：设置seaborn的字体和样式。
4. 创建画布和子图
ax = plt.subplot(1, 1, 1)
plt.rcParams['figure.figsize'] = (14, 4) # 设置图形大小
fig = plt.figure()-
plt.subplot(1, 1, 1)：创建一个 1x1 的子图。 -
figure.figsize：设置画布大小为宽 14 英寸、高 4 英寸。 -
fig = plt.figure()：创建一个新的画布。
5. 绘制柱状图
ax1 = fig.add_subplot(1, 1, 1)
ax1.set_ylim([0, max(y1) * 1.4]) # 设置y轴范围
ax1.bar(x, y1, alpha=0.6, color=sns.color_palette('Blues_r', df.shape[0])) # 绘制柱状图
ax1.set_ylabel(y1_label, fontsize='11') # 设置y轴标签
ax1.set_xlabel(x_label, fontsize='11') # 设置x轴标签
ax1.tick_params(labelsize=11) # 设置刻度字体大小
for _x, _y in zip(x, y1):plt.text(_x, _y, int(_y), color='black', fontsize=11, ha='center', va='bottom') # 添加数据标签
plt.xticks(x, rotation=rotation) # 设置x轴刻度-
ax1.set_ylim：设置 y 轴范围为 0 到max(y1) * 1.4。 -
ax1.bar：绘制柱状图，颜色为蓝色渐变，透明度为 0.6。 -
plt.text：在每个柱子上方显示数值。 -
plt.xticks：设置 x 轴刻度和旋转角度。
6. 绘制折线图
ax2 = ax1.twinx() # 创建第二个y轴
ax2.set_ylim([-max(y2) * 1.4, max(y2) * 1.4]) # 设置第二个y轴范围
ax2.plot(x, y2, 'r', ms=5, lw=1, marker='o') # 绘制折线图
ax2.set_ylabel(y2_label, fontsize='11') # 设置第二个y轴标签
ax2.tick_params(labelsize=11) # 设置刻度字体大小
for x, y in zip(x, y2):plt.text(x, y, int(y), ha='center', va='bottom', fontsize=11, rotation=0) # 添加数据标签-
ax2 = ax1.twinx()：创建第二个 y 轴，用于绘制折线图。 -
ax2.plot：绘制红色折线图，节点为圆形。 -
plt.text：在每个节点上方显示数值。
7. 美化图表
sns.despine(left=True, bottom=True, right=True) # 删除坐标轴-
sns.despine：删除左侧、底部和右侧的坐标轴线。
8. 保存和显示图表
plt.savefig(picture_save, dpi=200, bbox_inches='tight') # 保存图表
plt.show() # 显示图表-
plt.savefig：将图表保存为图片，分辨率为 200 DPI。 -
plt.show：显示图表。
9. 调用函数
combination_chart()-
调用
combination_chart函数，使用默认参数生成组合图。
总结
这段代码的核心功能是：
-
绘制一个组合图，包含柱状图和折线图。
-
柱状图展示
y1数据，折线图展示y2数据。 -
支持中文显示、数据标签、双 y 轴等功能。
-
保存图表并显示。
通过这段代码，你可以快速绘制一张美观的组合图，并掌握 matplotlib 和 seaborn 的高级用法！
