在数据可视化中，Python 的 matplotlib 库是最为广泛使用的工具之一。其核心模块 pyplot 提供了一种类似于 MATLAB 的接口，便于用户创建各种静态、动态和交互式图表。本文将详细介绍 matplotlib.pyplot 的基本用法以及相关实例。
1. 安装 matplotlib
首先，确保你已经安装了 matplotlib。你可以使用以下命令通过 pip 安装：
pip install matplotlib
2. 导入库
使用 matplotlib.pyplot 前，需要先导入库：
import matplotlib.pyplot as plt
3. 基本用法
3.1 绘制折线图
折线图是最常见的图形之一。可以通过以下代码绘制：
import matplotlib.pyplot as plt
# 数据准备
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# 绘制折线图
plt.plot(x, y, marker='o')
# 设置标题和标签
plt.title('简单折线图')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
# 显示图形
plt.show()
在这个示例中，我们增加了 marker='o'，使得数据点更加明显。还为图形添加了标题和坐标轴标签。
3.2 绘制散点图
有时我们希望显示数据点之间的关系，这时散点图就非常有用了。我们用以下代码来创建一个简单的散点图：
import matplotlib.pyplot as plt
# 数据准备
x = [5, 7, 8, 9, 10]
y = [2, 3, 5, 7, 11]
# 绘制散点图
plt.scatter(x, y, color='r', marker='x')
# 设置标题和标签
plt.title('简单散点图')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
# 显示图形
plt.grid(True) # 添加网格线
plt.show()
在这个示例中，我们使用 scatter 方法绘制散点图，并设置点的颜色和形状。同时，我们添加了网格线以增强图表可读性。
4. 绘制条形图
条形图适合比较不同类别之间的值，可以使用以下代码生成：
import matplotlib.pyplot as plt
# 数据准备
categories = ['A', 'B', 'C', 'D']
values = [4, 7, 1, 8]
# 绘制条形图
plt.bar(categories, values, color='cyan')
# 设置标题和标签
plt.title('简单条形图')
plt.xlabel('类别')
plt.ylabel('值')
# 显示图形
plt.show()
通过 bar 函数来绘制条形图，其中 categories 是每个条形的标签，values 是每个条形的高度。
5. 保存图形
在绘制完图形后，有时我们希望将其保存为文件。可以使用 savefig 方法：
plt.savefig('my_plot.png') # 保存为 PNG 格式
6. 结论
matplotlib 的 pyplot 模块功能强大，适用于多种场景。无论是折线图、散点图，还是条形图，均可方便地使用这里分享的方法进行绘制。熟练掌握这些基本绘图技巧后，可以进一步探讨 matplotlib 的更高级功能，包括子图、图例等，以满足更复杂的可视化需求。希望本文能够帮助你快速上手 matplotlib！
