Python使用Matplotlib繪制基礎(chǔ)可視化圖表的完整指南

更新時間：2026年05月14日 08:30:50 作者：清山博客

在Python中進(jìn)行數(shù)據(jù)可視化,最常用且功能強(qiáng)大的庫是?Matplotlib,它可以幫助你輕松繪制出柱狀圖,折線圖,餅圖,散點(diǎn)圖等,下面小編就和大家詳細(xì)介紹一下具體實(shí)現(xiàn)方法吧

1.折線圖 (Line Chart)

折線圖非常適合展示數(shù)據(jù)隨時間變化的趨勢。

import matplotlib.pyplot as plt

# 解決中文顯示問題 (Windows系統(tǒng)使用SimHei，Mac系統(tǒng)可換成PingFang SC)
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# 準(zhǔn)備數(shù)據(jù)
months = ["1月", "2月", "3月", "4月", "5月", "6月"]
sales =[78,85,74,95,84,80]

# 繪制折線圖
plt.figure(figsize=(8, 5))  # 設(shè)置畫布大小
plt.plot(months, sales, marker="o", color="blue", linewidth=2, label="銷售額")

# 添加標(biāo)題和標(biāo)簽
plt.title("上半年銷售額趨勢")
plt.xlabel("月份")
plt.ylabel("銷售額（元）")
plt.legend()  # 顯示圖例
plt.grid(True, linestyle="--", alpha=0.5)  # 添加網(wǎng)格線

plt.show()

效果圖：

2.柱狀圖 (Bar Chart)

柱狀圖適合比較不同類別之間的數(shù)值大小。

import matplotlib.pyplot as plt

# 解決中文顯示問題
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# 準(zhǔn)備數(shù)據(jù)
products = ["手機(jī)", "電腦", "耳機(jī)", "平板", "手表"]
sales =[78,85,74,95,84]

# 繪制柱狀圖
plt.figure(figsize=(8, 5))
plt.bar(products, sales, color="orange", width=0.6)

# 在柱子頂部添加具體的數(shù)值標(biāo)簽
for index, value in enumerate(sales):
    plt.text(index, value + 10, str(value), ha="center")

# 添加標(biāo)題和標(biāo)簽
plt.title("不同產(chǎn)品銷量對比")
plt.xlabel("產(chǎn)品")
plt.ylabel("銷量")

plt.show()

效果圖：

3.餅圖 (Pie Chart)

餅圖主要用于展示各部分?jǐn)?shù)據(jù)在整體中的占比關(guān)系。

import matplotlib.pyplot as plt

# 解決中文顯示問題
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# 準(zhǔn)備數(shù)據(jù)
channels = ["搜索引擎", "短視頻", "社交媒體", "直接訪問", "郵件"]
users =[1000, 500, 300, 400, 200]

# 繪制餅圖
plt.figure(figsize=(7, 7))
plt.pie(
    users, 
    labels=channels, 
    autopct="%.1f%%",  # 顯示百分比，并保留1位小數(shù)
    startangle=90,     # 設(shè)置餅圖起始角度
    counterclock=False # 按順時針方向繪制
)

plt.title("用戶來源占比")
plt.show()

效果圖

4.散點(diǎn)圖 (Scatter Plot)

測試數(shù)據(jù)：模擬了100名學(xué)生的“每日學(xué)習(xí)時長”與“期末考試成績”之間的關(guān)系，用來觀察兩者是否存在正相關(guān)。

import matplotlib.pyplot as plt
import numpy as np

# 設(shè)置中文顯示
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# 生成測試數(shù)據(jù)：100個學(xué)生的學(xué)習(xí)時長(1-8小時)和對應(yīng)的成績
np.random.seed(42) # 固定隨機(jī)種子，保證每次運(yùn)行結(jié)果一致
study_hours = np.random.uniform(1, 8, 100)
# 成績 = 學(xué)習(xí)時長 * 8 + 基礎(chǔ)分40 + 隨機(jī)波動
scores = study_hours * 8 + 40 + np.random.normal(0, 5, 100)

# 繪制散點(diǎn)圖
plt.figure(figsize=(8, 5))
plt.scatter(study_hours, scores, color="skyblue", edgecolors="black", alpha=0.7)

plt.title("學(xué)習(xí)時長與考試成績的關(guān)系", fontsize=14)
plt.xlabel("每日學(xué)習(xí)時長 (小時)")
plt.ylabel("考試成績 (分)")
plt.grid(True, linestyle="--", alpha=0.5)
plt.show()

效果圖

5.直方圖 (Histogram)

測試數(shù)據(jù)：模擬了1000名成年男性的身高數(shù)據(jù)（符合正態(tài)分布），用來展示身高的整體分布區(qū)間。

import matplotlib.pyplot as plt
import numpy as np

# 設(shè)置中文顯示
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# 生成測試數(shù)據(jù)：1000名男性的身高 (均值175cm，標(biāo)準(zhǔn)差7cm)
np.random.seed(42)
heights = np.random.normal(175, 7, 1000)

# 繪制直方圖
plt.figure(figsize=(8, 5))
# bins=30 表示將數(shù)據(jù)分成30個區(qū)間，color設(shè)置顏色，edgecolor設(shè)置柱子邊框色
plt.hist(heights, bins=30, color="mediumseagreen", edgecolor="black", alpha=0.7)

plt.title("成年男性身高分布情況", fontsize=14)
plt.xlabel("身高 (cm)")
plt.ylabel("人數(shù)")
plt.grid(axis="y", linestyle="--", alpha=0.5)
plt.show()

效果圖

6.箱線圖 (Box Plot)

測試數(shù)據(jù)：模擬了 A、B、C 三個不同班級學(xué)生的數(shù)學(xué)成績，用來對比各班的平均水平、波動范圍以及識別異常低分/高分。

import matplotlib.pyplot as plt
import numpy as np

# 設(shè)置中文顯示
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# 生成測試數(shù)據(jù)：三個班級的數(shù)學(xué)成績
np.random.seed(42)
class_A = np.random.normal(75, 10, 100) # A班：均值75，標(biāo)準(zhǔn)差10
class_B = np.random.normal(80, 8, 100)  # B班：均值80，標(biāo)準(zhǔn)差8
class_C = np.random.normal(70, 12, 100) # C班：均值70，標(biāo)準(zhǔn)差12（波動更大）

# 將數(shù)據(jù)組合成列表傳入
data_to_plot = [class_A, class_B, class_C]
labels = ["A班", "B班", "C班"]

# 繪制箱線圖
plt.figure(figsize=(8, 5))
plt.boxplot(data_to_plot, labels=labels, patch_artist=True, 
            boxprops=dict(facecolor="lightcoral", color="black"),
            medianprops=dict(color="white"))

plt.title("三個班級數(shù)學(xué)成績分布對比", fontsize=14)
plt.ylabel("數(shù)學(xué)成績")
plt.grid(axis="y", linestyle="--", alpha=0.5)
plt.show()

效果圖

7.熱力圖 (Heatmap)

繪制熱力圖我們需要用到更美觀的 seaborn 庫。請先在終端或命令行中運(yùn)行以下命令安裝依賴：

pip install matplotlib seaborn numpy pandas

測試數(shù)據(jù)：模擬了一周7天內(nèi)，某電商平臺在24小時內(nèi)的每小時訂單量矩陣，用來直觀查看哪個時間段是下單高峰期。

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd

# 設(shè)置中文顯示
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# 生成測試數(shù)據(jù)：7天 x 24小時的訂單量矩陣
np.random.seed(42)
days = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]
hours = [f"{h}點(diǎn)" for h in range(24)]
# 模擬數(shù)據(jù)：周末和晚間訂單量較高
orders = np.random.randint(10, 100, size=(7, 24))
orders[5:, 18:23] += 50  # 周末晚間增加訂單量

# 將數(shù)據(jù)轉(zhuǎn)換為 DataFrame
df = pd.DataFrame(orders, index=days, columns=hours)

# 繪制熱力圖
plt.figure(figsize=(14, 6))
# annot=True 顯示數(shù)值，fmt="d" 表示顯示為整數(shù)，cmap 設(shè)置顏色主題
sns.heatmap(df, annot=False, fmt="d", cmap="YlOrRd", cbar_kws={'label': '訂單量'})

plt.title("一周內(nèi)每小時訂單量熱力圖", fontsize=14)
plt.xlabel("時間")
plt.ylabel("星期")
plt.show()

效果圖

8.雷達(dá)圖（radar chart）

雷達(dá)圖（也叫蜘蛛圖）非常適合用來展示多維度的數(shù)據(jù)，比如評估一個人的綜合能力、對比不同產(chǎn)品的性能指標(biāo)等。

在 Python 中，我們可以使用 matplotlib 的極坐標(biāo)系（polar coordinates）來繪制。以下是包含完整測試數(shù)據(jù)的可運(yùn)行實(shí)例，模擬了兩名游戲角色的六維能力對比

import matplotlib.pyplot as plt
import numpy as np

# 設(shè)置中文顯示 (Windows系統(tǒng)使用SimHei，Mac系統(tǒng)可換成PingFang SC)
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# 1. 準(zhǔn)備測試數(shù)據(jù)
# 設(shè)定6個能力維度
categories = ["攻擊", "防御", "速度", "耐力", "技術(shù)", "策略"]
num_vars = len(categories)

# 角色A的能力值（假設(shè)是均衡型戰(zhàn)士）
stats_A = [85, 90, 70, 88, 75, 80]
# 角色B的能力值（假設(shè)是高攻高速刺客）
stats_B = [95, 60, 92, 65, 88, 70]

# 2. 計算每個維度的角度
# 將圓周(2*pi)平均分成 N 份
angles = np.linspace(0, 2 * np.pi, num_vars, endpoint=False).tolist()

# 3. 閉合圖形
# 雷達(dá)圖需要首尾相連，所以要把第一個維度的角度和數(shù)據(jù)追加到列表末尾
stats_A += stats_A[:1]
stats_B += stats_B[:1]
angles += angles[:1]

# 4. 創(chuàng)建極坐標(biāo)畫布并繪圖
fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(polar=True))

# 繪制角色A的折線和填充區(qū)域
ax.plot(angles, stats_A, color="blue", linewidth=2, linestyle="solid", label="角色 A (均衡型)")
ax.fill(angles, stats_A, color="blue", alpha=0.2)

# 繪制角色B的折線和填充區(qū)域
ax.plot(angles, stats_B, color="red", linewidth=2, linestyle="solid", label="角色 B (刺客型)")
ax.fill(angles, stats_B, color="red", alpha=0.2)

# 5. 美化圖表
# 設(shè)置半徑（能力值）的范圍，留出一點(diǎn)空間給圖例
ax.set_ylim(0, 100)
# 設(shè)置維度標(biāo)簽（攻擊、防御等）
ax.set_xticks(angles[:-1])
ax.set_xticklabels(categories, size=12)
# 添加圖例
plt.legend(loc="upper right", bbox_to_anchor=(1.3, 1.1))
# 添加標(biāo)題
plt.title("游戲角色六維能力對比雷達(dá)圖", size=16, pad=20)

plt.show()

效果圖