人工智能之数据分析 Matplotlib
第二章 Pyplot
@
目录
- 人工智能之数据分析 Matplotlib
- 前言
- 一、导入方式
- 二、基本用法示例
- 1. 绘制简单折线图
- 2. 多条曲线 & 图例
- 3. 散点图（scatter）
- 4. 柱状图（bar）
- 三、常用 pyplot 函数
- 四、在 Jupyter Notebook 中使用
- 五、pyplot 与面向对象 API 的关系
- 六、小贴士
- 后续
- 资料关注
前言
pyplot 是 Matplotlib 库中最常用、最便捷的模块，提供了类似 MATLAB 的命令式绘图接口，非常适合快速绘制各种图表。它通过一系列函数自动管理图形（Figure）、坐标轴（Axes）等底层对象，让初学者也能轻松上手。
一、导入方式
通常使用以下方式导入：
import matplotlib.pyplot as plt
这是官方推荐的标准写法。
二、基本用法示例
1. 绘制简单折线图
import matplotlib.pyplot as pltx = [1, 2, 3, 4]
y = [1, 4, 2, 3]plt.plot(x, y) # 绘制折线图
plt.title("Simple Line Plot")
plt.xlabel("X axis")
plt.ylabel("Y axis")
plt.show()
2. 多条曲线 & 图例
plt.plot([1, 2, 3], [1, 4, 9], label='x²')
plt.plot([1, 2, 3], [1, 2, 3], label='x')
plt.legend() # 显示图例
plt.show()
3. 散点图（scatter）
plt.scatter([1, 2, 3, 4], [10, 20, 25, 30], color='red')
plt.title("Scatter Plot")
plt.show()
4. 柱状图（bar）
categories = ['A', 'B', 'C']
values = [3, 7, 5]
plt.bar(categories, values)
plt.title("Bar Chart")
plt.show()
三、常用 pyplot 函数
| 函数 | 作用 |
|---|---|
plt.plot() |
绘制折线图或点线图 |
plt.scatter() |
绘制散点图 |
plt.bar()/plt.barh() |
垂直/水平柱状图 |
plt.hist() |
直方图 |
plt.pie() |
饼图 |
plt.title() |
设置图表标题 |
plt.xlabel()/plt.ylabel() |
设置坐标轴标签 |
plt.xlim()/plt.ylim() |
设置坐标轴范围 |
plt.legend() |
显示图例 |
plt.grid() |
显示网格 |
plt.savefig('file.png') |
保存图像到文件 |
plt.show() |
显示图形（在脚本中必需，在 Jupyter 中可省略） |
四、在 Jupyter Notebook 中使用
在 Jupyter 中，建议加上魔术命令以实现内联显示：
%matplotlib inline
import matplotlib.pyplot as plt
这样图表会直接嵌入在 notebook 单元格下方，无需弹出新窗口。
如果想交互式操作（如缩放、平移），可使用：
%matplotlib widget # 需安装 ipympl: pip install ipympl
五、pyplot 与面向对象 API 的关系
虽然 pyplot 使用方便，但其背后仍是基于 Figure 和 Axes 对象 的面向对象结构。例如：
# 面向对象写法（更灵活）
fig, ax = plt.subplots()
ax.plot([1, 2, 3], [1, 4, 2])
ax.set_title("OO Style")
plt.show()
对于复杂图表（如多子图、精细控制），推荐使用面向对象方式；对于快速探索性绘图，pyplot 足够高效。
六、小贴士
- 所有
plt.xxx()函数都会作用于“当前”坐标轴（current axes）。 - 每次调用
plt.figure()或plt.subplot()会创建新的图形或子图。 - 使用
plt.clf()清空当前图形，plt.close()关闭图形窗口。
后续
本文主要介绍了Matplotlib的常见库Pyplot的基本操作。之前的python过渡项目部分代码已经上传至gitee，后续会逐步更新。
资料关注
公众号：咚咚王
gitee：https://gitee.com/wy18585051844/ai_learning
《Python编程：从入门到实践》
《利用Python进行数据分析》
《算法导论中文第三版》
《概率论与数理统计（第四版） (盛骤) 》
《程序员的数学》
《线性代数应该这样学第3版》
《微积分和数学分析引论》
《（西瓜书）周志华-机器学习》
《TensorFlow机器学习实战指南》
《Sklearn与TensorFlow机器学习实用指南》
《模式识别（第四版）》
《深度学习 deep learning》伊恩·古德费洛著 花书
《Python深度学习第二版(中文版)【纯文本】 (登封大数据 (Francois Choliet)) (Z-Library)》
《深入浅出神经网络与深度学习+(迈克尔·尼尔森（Michael+Nielsen）》
《自然语言处理综论 第2版》
《Natural-Language-Processing-with-PyTorch》
《计算机视觉-算法与应用(中文版)》
《Learning OpenCV 4》
《AIGC：智能创作时代》杜雨+&+张孜铭
《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》
《从零构建大语言模型（中文版）》
《实战AI大模型》
《AI 3.0》