如何在 Python 中绘制图形

17 Mar 2025 | 5 分钟阅读

Python 提供了一个非常流行的绘图库，名为 Matplotlib。它是一个开源的、跨平台的库，用于绘制数组数据的二维图形。它通常用于数据可视化，并通过各种图表进行表示。

Matplotlib 最初由 John D. Hunter 于 2003 年构思。matplotlib 的最新版本是 2.2.0，于 2018 年 1 月发布。

在开始使用 matplotlib 库之前，我们需要将其安装到我们的 Python 环境中。

安装 Matplotlib

在终端中输入以下命令，然后按 Enter 键。

上述命令将在 Windows 操作系统上安装 matplotlib 库及其依赖包。

Matplotlib 的基本概念

图形包含以下部分。让我们来理解这些部分。

Figure (图形): 它是整个图形，可以包含一个或多个 Axes (子图)。我们可以将 Figure 视为一个容纳图的画布。

Axes (坐标轴): 一个 Figure 可以包含多个 Axes。它由两个或三个 (在 3D 的情况下) Axis 对象组成。每个 Axes 都包含一个标题、一个 x 轴标签和一个 y 轴标签。

Axis (轴): Axis 是负责生成图形限制的线状对象。

Artist (艺术家): Artist 是我们在图形上看到的所有内容，例如文本对象、Line2D 对象和集合对象。大多数 Artist 都与 Axes 相关联。

pyplot 简介

matplotlib 提供了 pyplot 包，用于绘制给定数据的图形。matplotlib.pyplot 是一组命令式风格的函数，它使 matplotlib 的工作方式类似于 MATLAB。pyplot 包包含许多函数，用于创建图形、在图形中创建绘图区域、用标签装饰图形、在绘图区域中绘制一些线等。

我们可以快速绘制图形。让我们看下面的例子。

绘制图形的基本示例

这是生成简单图形的基本示例，程序如下：

from matplotlib import pyplot as plt  
#ploting our canvas  
plt.plot([1,2,3],[4,5,1])  
#display the graph  
plt.show()  

输出

绘制不同类型的图形

我们可以使用 pyplot 模块绘制各种图形。让我们来理解以下示例。

1. 折线图

折线图用于将信息显示为一系列线。它很容易绘制。考虑以下示例。

示例 -

from matplotlib import pyplot as plt  
  
x = [1,2,3]  
y = [10,11,12]  
  
plt.plot(x,y)  
  
plt.title("Line graph")  
plt.ylabel('Y axis')  
plt.xlabel('X axis')  
plt.show()  

输出

可以使用各种函数修改折线。它使图形更具吸引力。下面是一个例子。

示例 -

from matplotlib import pyplot as plt  
from matplotlib import style  
  
style.use('ggplot')  
x = [10, 12, 13]  
y = [8, 16, 6]  
x2 = [8, 15, 11]  
y2 = [6, 15, 7]  
plt.plot(x, y, 'b', label='line one', linewidth=5)  
plt.plot(x2, y2, 'r', label='line two', linewidth=5)  
plt.title('Epic Info')  
fig = plt.figure()  
plt.ylabel('Y axis')  
plt.xlabel('X axis')  

plt.show()

2. 条形图

条形图是最常见的图形之一，用于表示与分类变量相关的数据。bar() 函数接受三个参数——分类变量、值和颜色。

示例 -

from matplotlib import pyplot as plt  
Names = ['Arun','James','Ricky','Patrick']  
Marks = [51,87,45,67]  
plt.bar(Names,Marks,color = 'blue')  
plt.title('Result')  
plt.xlabel('Names')  
plt.ylabel('Marks')  
plt.show()  

3. 饼图

饼图是圆形图形，分为多个部分或扇形。它用于表示百分比或比例数据，其中每个扇形代表一个特定的类别。让我们来看下面的例子。

示例 -

from matplotlib import pyplot as plt  
  
# Pie chart, where the slices will be ordered and plotted counter-clockwise:  
Aus_Players = 'Smith', 'Finch', 'Warner', 'Lumberchane'  
Runs = [42, 32, 18, 24]  
explode = (0.1, 0, 0, 0)  # it "explode" the 1st slice   
  
fig1, ax1 = plt.subplots()  
ax1.pie(Runs, explode=explode, labels=Aus_Players, autopct='%1.1f%%',  
        shadow=True, startangle=90)  
ax1.axis('equal')  # Equal aspect ratio ensures that pie is drawn as a circle.  
  
plt.show()  

输出

4. 直方图

直方图和条形图非常相似，但它们之间有一个细微的差别。直方图用于表示分布，而条形图用于比较不同的实体。直方图通常用于绘制与一组值范围相比的数值频率。

在下面的示例中，我们收集了学生不同分数百分比的数据，并绘制了相对于学生数量的直方图。让我们来看下面的例子。

示例 -

from matplotlib import pyplot as plt  
from matplotlib import pyplot as plt  
percentage = [97,54,45,10, 20, 10, 30,97,50,71,40,49,40,74,95,80,65,82,70,65,55,70,75,60,52,44,43,42,45]  
number_of_student = [0,10,20,30,40,50,60,70,80,90,100]  
plt.hist(percentage, number_of_student, histtype='bar', rwidth=0.8)  
plt.xlabel('percentage')  
plt.ylabel('Number of people')  
plt.title('Histogram')  
plt.show()  

输出

让我们来看另一个例子。

示例 - 2

from matplotlib import pyplot as plt  
# Importing Numpy Library  
import numpy as np  
plt.style.use('fivethirtyeight')  
  
mu = 50  
sigma = 7  
x = np.random.normal(mu, sigma, size=200)  
fig, ax = plt.subplots()  
  
ax.hist(x, 20)  
ax.set_title('Historgram')  
ax.set_xlabel('bin range')  
ax.set_ylabel('frequency')  
  
fig.tight_layout()  
plt.show()  

输出

5. 散点图

散点图用于将一个变量与另一个变量进行比较。它定义了一个变量如何影响另一个变量。数据表示为点的集合。让我们来看下面的例子。

示例 -

from matplotlib import pyplot as plt  
from matplotlib import style  
style.use('ggplot')  
  
x = [4,8,12]  
y = [19,11,7]  
  
x2 = [7,10,12]  
y2 = [8,18,24]  
  
plt.scatter(x, y)  
  
plt.scatter(x2, y2, color='g')  
  
plt.title('Epic Info')  
plt.ylabel('Y axis')  
plt.xlabel('X axis')  
  
plt.show()  

输出

示例 - 2

import matplotlib.pyplot as plt  
a = [2, 2.5, 3, 3.5, 4.5, 4.7, 5.0]
b = [7.5, 8, 8.5, 9, 9.5, 10, 10.5]  
  
a1 = [9, 8.5, 9, 9.5, 10, 10.5, 12]  
b1 = [3, 3.5, 4.7, 4, 4.5, 5, 5.2]  
plt.scatter(a, b, label='high income low saving', color='b')  
plt.scatter(a1, b1, label='low income high savings', color='g')  
plt.xlabel('saving*100')  
plt.ylabel('income*1000')  
plt.title('Scatter Plot')  
plt.legend()  
plt.show()  

输出

在本教程中，我们讨论了数据可视化中使用的所有基本类型的图形。要了解更多关于图形的信息，请访问我们的 matplotlib 教程。

下一主题如何在 Python 中打印图案

如何在 Python 中绘制图形

安装 Matplotlib

Matplotlib 的基本概念

pyplot 简介

绘制图形的基本示例

绘制不同类型的图形

1. 折线图

2. 条形图

3. 饼图

4. 直方图

5. 散点图

联系信息

关注我们

教程

面试题

在线编译器

Python

Java

.Net Framework

AI, ML and Data Science

Cloud Technology

B.Tech and MCA

Web Technology

PHP

Software Testing

Technical Interview

Java Interview

Python

Web Interview

Database Interview

B.Tech / MCA

Important Interview

Software Testing Interview

Company Interviews

Online Compilers

Multiple Choice Questions

Python 问题

如何在 Python 中绘制图形

安装 Matplotlib

Matplotlib 的基本概念

pyplot 简介

绘制图形的基本示例

绘制不同类型的图形

1. 折线图

2. 条形图

3. 饼图

4. 直方图

5. 散点图

相关帖子

如何使用 SVM 分类器和 RBF 核在 Python 中构建更好的模型

如何在 Python 中对元组进行排序

Python Tkinter 项目的八个绝妙创意

Python 中的最小堆实现

Python 程序判断字符是元音还是辅音

Python SNMP 模块

Python 选择键求和

如何在 Python 中读取文本文件

Python Dateutil 模块

使用 gmplot 包在 Python 中绘制 Google Map

订阅 Tpoint Tech

联系信息

关注我们

教程

面试题

在线编译器