### Matplotlib 基本使用教程 Matplotlib 是一个强大的 Python 库，主要用于二维绘图并能将数据图形化[^1]。以下是关于其基本使用的详细介绍： #### 创建简单的图表 要创建一张简单图表，可以先导入 `matplotlib.pyplot` 并调用基础方法来绘制线条或散点。 ```python import matplotlib.pyplot as plt plt.plot([1, 2, 3], [4, 5, 6]) # 绘制一条线 plt.show() ``` 上述代码会生成一幅带有默认样式的折线图。 #### 自定义图表大小和分辨率 通过 `figure()` 函数能够自定义图表的尺寸与分辨率。这一步对于确保输出图像适合特定用途非常重要[^2]。例如设置分辨率为每英寸 128 像素，宽高分别为 10 和 6 英寸，则可以用以下方式完成配置： ```python plt.figure(dpi=128, figsize=(10, 6)) ``` 此命令允许用户灵活调整最终图片的比例及清晰程度以适应不同需求场景下的展示效果。 #### 添加标签和其他细节 为了使图表更易于理解，在实际应用过程中还需要为其添加轴名、标题以及其他必要的说明文字等内容。这些可以通过相应的方法实现： ```python plt.xlabel('X-Axis Label') # 设置 X 轴名称 plt.ylabel('Y-Axis Label') # 设置 Y 轴名称 plt.title('Sample Plot Title') # 设定整个图形的大标题 plt.grid(True) # 显示网格以便于读取数值关系更加直观明了 ``` 以上操作有助于提高所制作出来的统计报告或者学术论文插图的专业性和易懂性。 #### 随机漫步可视化实例 作为进一步实践的例子之一，“随机漫步”的模拟及其可视化的构建过程展示了如何利用循环结构配合列表推导式快速生成大量坐标点，并借助 scatter 方法渲染成彩色渐变形式呈现路径变化趋势。具体实现如下所示: ```python from random import choice class RandomWalk(): """A class to generate random walks.""" def __init__(self, num_points=5000): self.num_points = num_points # All walks start at (0, 0). self.x_values = [0] self.y_values = [0] def fill_walk(self): while len(self.x_values) < self.num_points: x_direction = choice([-1, 1]) x_distance = choice(list(range(5))) x_step = x_direction * x_distance y_direction = choice([-1, 1]) y_distance = choice(list(range(5))) y_step = y_direction * y_distance next_x = self.x_values[-1] + x_step next_y = self.y_values[-1] + y_step self.x_values.append(next_x) self.y_values.append(next_y) rw = RandomWalk() rw.fill_walk() point_numbers = list(range(rw.num_points)) plt.scatter( rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Blues, edgecolor='none', s=1 ) plt.axes().get_xaxis().set_visible(False) plt.axes().get_yaxis().set_visible(False) plt.figure(figsize=(10, 6), dpi=72) plt.show() ``` 这段程序首先定义了一个名为RandomWalk 的类用来封装随机行走逻辑；接着实例化对象并通过fill_walk 方法填充所需数量的位置记录；最后运用scatter 散布点的方式把轨迹描绘出来，同时还关闭了坐标轴显示让画面看起来更为简洁美观。 ---