Matplotlib 是 Python 中非常强大的绘图库，支持绘制多种类型的图表。下面是一些常见的图表类型及其对应的绘制方法： --- ### **1. 折线图（Line Plot）** 折线图是最基本的一种图表形式，用于展示连续变量之间的变化趋势。 ```python import matplotlib.pyplot as plt x = [1, 2, 3, 4] y = [10, 20, 25, 30] plt.plot(x, y, marker='o') # 添加圆点标记 plt.title("折线图") # 设置标题 plt.xlabel("X轴标签") # X轴描述 plt.ylabel("Y轴标签") # Y轴描述 plt.show() ``` --- ### **2. 条形图（Bar Chart）** 条形图常用于比较离散数据的不同类别。 ```python categories = ['A', 'B', 'C', 'D'] values = [3, 7, 2, 5] plt.bar(categories, values, color=['red', 'green', 'blue', 'orange']) plt.title("条形图") plt.xlabel("类别") plt.ylabel("值") plt.show() ``` --- ### **3. 饼状图（Pie Chart）** 饼状图适合表示各部分占整体的比例分布。 ```python labels = ['苹果', '香蕉', '橙子', '葡萄'] sizes = [15, 30, 45, 10] plt.pie(sizes, labels=labels, autopct='%1.1f%%') plt.title("饼状图") plt.show() ``` --- ### **4. 散点图（Scatter Plot）** 散点图用于显示两个变量之间的关系。 ```python x = [1, 2, 3, 4, 5] y = [2, 3, 5, 7, 11] plt.scatter(x, y, color='purple', s=100) plt.title("散点图") plt.xlabel("X轴") plt.ylabel("Y轴") plt.show() ``` --- ### **5. 直方图（Histogram）** 直方图通常用来分析数据的频率分布。 ```python data = [1, 2, 2, 3, 4, 4, 4, 5, 6, 6, 6, 6, 7, 8] plt.hist(data, bins=8, edgecolor='black', alpha=0.7) plt.title("直方图") plt.xlabel("数值范围") plt.ylabel("频数") plt.show() ``` --- ### **6. 子图布局（Subplots）** 当需要在同一画布上绘制多个图形时，可以使用 `subplots` 布局功能。 ```python fig, axes = plt.subplots(nrows=1, ncols=2) axes[0].plot([1, 2], [3, 4]) # 左侧子图 - 折线图 axes[1].bar(['a', 'b'], [5, 6]) # 右侧子图 - 条形图 plt.tight_layout() # 自动调整子图间距 plt.show() ``` --- ### **7. 其他高级图表** - 等高线图 (`contour`)：适用于二维场的数据可视化。 - 箱型图 (`boxplot`)：用于观察一组或多组数据的基本统计信息。 - 极坐标图 (`polar plot`)：适于圆形或周期性数据分析。 #### 示例：箱型图 ```python data = [[1, 2, 3, 4, 5], [2, 3, 4, 5, 6]] plt.boxplot(data) plt.title("箱型图") plt.show() ``` --- 如果想进一步美化图表样式，可以通过 `seaborn` 或者 Matplotlib 的各种参数来自定义颜色、字体、线条粗细等属性。