---

name: matplotlib description: "Matplotlib 是 Python 的基础可视化库，用于创建静态、动画和交互式图表。" license: https://github.com/matplotlib/matplotlib/tree/main/LICENSE metadata: skill-author: K-Dense Inc. risk: unknown source: community

Matplotlib

概述

Matplotlib 是 Python 的基础可视化库，用于创建静态、动画和交互式图表。此技能提供有效使用 matplotlib 的指导，涵盖 pyplot 接口（MATLAB 风格）和面向对象 API（Figure/Axes），以及创建出版级可视化的最佳实践。

何时使用此技能

此技能应在以下情况使用：

• 创建任何类型的图表（折线图、散点图、柱状图、直方图、热力图、等高线图等）
• 生成科学或统计可视化
• 自定义图表外观（颜色、样式、标签、图例）
• 创建包含子图的多面板图形
• 将可视化导出为各种格式（PNG、PDF、SVG 等）
• 构建交互式图表或动画
• 处理 3D 可视化
• 将图表集成到 Jupyter notebook 或 GUI 应用中

核心概念

Matplotlib 层次结构

Matplotlib 使用分层的对象结构：

1. Figure - 所有图表元素的顶层容器
2. Axes - 显示数据的实际绑图区域（一个 Figure 可包含多个 Axes）
3. Artist - 图形上所有可见的内容（线条、文本、刻度等）
4. Axis - 数字线对象（x 轴、y 轴），处理刻度和标签

两种接口

1. pyplot 接口（隐式，MATLAB 风格）

import matplotlib.pyplot as plt

plt.plot([1, 2, 3, 4])
plt.ylabel('some numbers')
plt.show()

• 适合快速、简单的图表
• 自动维护状态
• 适合交互式工作和简单脚本

2. 面向对象接口（显式）

import matplotlib.pyplot as plt

fig, ax = plt.subplots()
ax.plot([1, 2, 3, 4])
ax.set_ylabel('some numbers')
plt.show()

• 大多数场景推荐使用
• 对 figure 和 axes 有更明确的控制
• 更适合包含多个子图的复杂图形
• 更易于维护和调试

常见工作流

1. 基本图表创建

单图工作流：

import matplotlib.pyplot as plt
import numpy as np

# 创建 figure 和 axes（面向对象接口 - 推荐）
fig, ax = plt.subplots(figsize=(10, 6))

# 生成并绑制数据
x = np.linspace(0, 2*np.pi, 100)
ax.plot(x, np.sin(x), label='sin(x)')
ax.plot(x, np.cos(x), label='cos(x)')

# 自定义
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_title('Trigonometric Functions')
ax.legend()
ax.grid(True, alpha=0.3)

# 保存和/或显示
plt.savefig('plot.png', dpi=300, bbox_inches='tight')
plt.show()

2. 多子图

创建子图布局：

# 方法 1：规则网格
fig, axes = plt.subplots(2, 2, figsize=(12, 10))
axes[0, 0].plot(x, y1)
axes[0, 1].scatter(x, y2)
axes[1, 0].bar(categories, values)
axes[1, 1].hist(data, bins=30)

# 方法 2：马赛克布局（更灵活）
fig, axes = plt.subplot_mosaic([['left', 'right_top'],
                                 ['left', 'right_bottom']],
                                figsize=(10, 8))
axes['left'].plot(x, y)
axes['right_top'].scatter(x, y)
axes['right_bottom'].hist(data)

# 方法 3：GridSpec（最大控制力）
from matplotlib.gridspec import GridSpec
fig = plt.figure(figsize=(12, 8))
gs = GridSpec(3, 3, figure=fig)
ax1 = fig.add_subplot(gs[0, :])  # 顶行，所有列
ax2 = fig.add_subplot(gs[1:, 0])  # 底部两行，第一列
ax3 = fig.add_subplot(gs[1:, 1:])  # 底部两行，后两列

3. 图表类型和使用场景

折线图 - 时间序列、连续数据、趋势

ax.plot(x, y, linewidth=2, linestyle='--', marker='o', color='blue')

散点图 - 变量间关系、相关性

ax.scatter(x, y, s=sizes, c=colors, alpha=0.6, cmap='viridis')

柱状图 - 分类比较

ax.bar(categories, values, color='steelblue', edgecolor='black')
# 水平柱状图：
ax.barh(categories, values)

直方图 - 分布

ax.hist(data, bins=30, edgecolor='black', alpha=0.7)

热力图 - 矩阵数据、相关性

im = ax.imshow(matrix, cmap='coolwarm', aspect='auto')
plt.colorbar(im, ax=ax)

等高线图 - 2D 平面上的 3D 数据

contour = ax.contour(X, Y, Z, levels=10)
ax.clabel(contour, inline=True, fontsize=8)

箱线图 - 统计分布

ax.boxplot([data1, data2, data3], labels=['A', 'B', 'C'])

小提琴图 - 分布密度

ax.violinplot([data1, data2, data3], positions=[1, 2, 3])

如需全面的图表类型示例和变体，请参阅 references/plot_types.md。

4. 样式和自定义

颜色指定方法：

• 命名颜色