Matplotlib基础教程：折线图、柱状图、直方图绘制全解析

Matplotlib是Python生态中最核心的数据可视化库之一，凭借灵活的定制能力和简洁的语法，成为数据分析、科研绘图、报表制作的必备工具。本文将从实战角度出发，手把手教你掌握折线图、柱状图、直方图三种高频图表的绘制方法，覆盖基础语法、参数调整、样式优化等核心知识点，零基础也能快速上手。

一、前期准备：环境搭建与基础概念

1. 安装Matplotlib

确保已安装Python环境，通过pip命令快速安装Matplotlib：

pip install matplotlib

同时建议安装NumPy，用于生成示例数据：

pip install numpy

2. 核心模块与绘图逻辑

Matplotlib的绘图核心是pyplot模块，通常简写为plt。其基本绘图逻辑为：

1. 导入模块：import matplotlib.pyplot as plt
2. 准备数据：整理需要可视化的数值型数据
3. 调用绘图函数（如plot()、bar()）：生成图表框架
4. 调整样式（标题、标签、刻度等）：提升图表可读性
5. 显示/保存图表：plt.show()或plt.savefig()

二、折线图：展示数据趋势变化

折线图适用于展示数据随时间、序列等维度的连续变化趋势，是最常用的趋势可视化图表。

1. 基础折线图绘制

示例：绘制某城市一周的气温变化趋势

importmatplotlib.pyplotaspltimportnumpyasnp# 1. 准备数据x=["周一","周二","周三","周四","周五","周六","周日"]# 横轴：星期y=[22,24,21,26,28,27,25]# 纵轴：气温（℃）# 2. 创建画布（可选，默认自动创建）plt.figure(figsize=(8,5))# 设置画布大小：宽8英寸，高5英寸# 3. 绘制折线图plt.plot(x,y,# x/y轴数据color="red",# 线条颜色linestyle="-",# 线条样式：实线（--为虚线，:为点线）linewidth=2,# 线条宽度marker="o",# 数据点标记：圆形（s为正方形，^为三角形）markersize=6)# 标记大小# 4. 添加图表元素plt.title("某城市一周气温变化趋势",fontsize=14)# 标题plt.xlabel("星期",fontsize=12)# 横轴标签plt.ylabel("气温（℃）",fontsize=12)plt.xticks(fontsize=10)# 横轴刻度字体大小plt.yticks(range(20,30,2),fontsize=10)# 纵轴刻度范围与步长plt.grid(alpha=0.3)# 添加网格，alpha控制透明度# 5. 显示图表plt.show()

2. 进阶：多折线对比

若需对比多组数据趋势（如最高温与最低温），多次调用plot()即可：

importmatplotlib.pyplotasplt# 数据准备x=["周一","周二","周三","周四","周五","周六","周日"]high_temp=[22,24,21,26,28,27,25]low_temp=[15,16,14,18,20,19,17]plt.figure(figsize=(8,5))# 绘制最高温折线plt.plot(x,high_temp,color="red",marker="o",label="最高温")# 绘制最低温折线plt.plot(x,low_temp,color="blue",marker="s",label="最低温")# 添加图例（需配合label参数）plt.legend(loc="upper right",fontsize=10)plt.title("某城市一周最高/最低气温对比",fontsize=14)plt.xlabel("星期")plt.ylabel("气温（℃）")plt.grid(alpha=0.3)plt.show()

三、柱状图：对比不同类别数据大小

柱状图（条形图）适用于对比不同类别、分组数据的数值大小，直观展示各类别间的差异。

1. 基础柱状图绘制

示例：对比不同产品的月度销量

importmatplotlib.pyplotasplt# 数据准备products=["产品A","产品B","产品C","产品D"]sales=[120,180,90,150]# 销量（件）plt.figure(figsize=(8,5))# 绘制柱状图bars=plt.bar(products,sales,width=0.6,# 柱子宽度color=["#FF6B6B","#4ECDC4","#45B7D1","#96CEB4"],# 自定义颜色edgecolor="black")# 柱子边框颜色# 为柱子添加数值标签forbarinbars:height=bar.get_height()plt.text(bar.get_x()+bar.get_width()/2,# 标签x坐标（柱子中心）height+2,# 标签y坐标（柱子顶部+偏移）str(height),# 标签内容ha="center",fontsize=10)# 水平居中plt.title("月度产品销量对比",fontsize=14)plt.xlabel("产品类别")plt.ylabel("销量（件）")plt.ylim(0,200)# 纵轴范围，避免标签超出图表plt.show()

2. 进阶：分组柱状图

若需对比同一类别在不同维度的数据（如2023和2024年各产品销量），可绘制分组柱状图：

importmatplotlib.pyplotaspltimportnumpyasnp# 数据准备products=["产品A","产品B","产品C","产品D"]sales_2023=[120,180,90,150]sales_2024=[150,160,110,170]x=np.arange(len(products))# 生成x轴位置：[0,1,2,3]width=0.35# 每组柱子宽度plt.figure(figsize=(8,5))# 绘制2023年销量柱子plt.bar(x-width/2,sales_2023,width,label="2023年",color="#FF6B6B")# 绘制2024年销量柱子plt.bar(x+width/2,sales_2024,width,label="2024年",color="#4ECDC4")# 调整x轴刻度与标签plt.xticks(x,products)plt.legend(fontsize=10)plt.title("2023-2024年产品销量对比",fontsize=14)plt.xlabel("产品类别")plt.ylabel("销量（件）")plt.show()

四、直方图：展示数据分布特征

直方图与柱状图易混淆，但核心用途不同：直方图用于展示连续数据的分布情况（如身高、分数、销售额的分布），横轴为数据区间，纵轴为区间内的频数/频率。

1. 基础直方图绘制

示例：分析1000名学生的数学成绩分布

importmatplotlib.pyplotaspltimportnumpyasnp# 生成模拟数据：均值75，标准差10的正态分布成绩np.random.seed(42)# 固定随机种子，保证结果可复现scores=np.random.normal(75,10,1000)scores=np.clip(scores,0,100)# 限制成绩范围0-100plt.figure(figsize=(8,5))# 绘制直方图n,bins,patches=plt.hist(scores,bins=10,# 区间数量（组数）range=(0,100),# 数据范围color="#45B7D1",edgecolor="black",alpha=0.7)# 添加数值标签foriinrange(len(n)):plt.text((bins[i]+bins[i+1])/2,# 区间中心x坐标n[i]+5,# 频数y坐标+偏移int(n[i]),# 频数（取整）ha="center",fontsize=9)plt.title("1000名学生数学成绩分布",fontsize=14)plt.xlabel("成绩区间")plt.ylabel("人数（频数）")plt.grid(axis="y",alpha=0.3)# 仅显示y轴网格plt.show()

2. 关键参数说明

• bins：组数，可指定具体区间（如bins=[0,60,70,80,90,100]），也可指定数量；
• density：若设为True，纵轴显示频率（概率密度）而非频数；
• range：限定数据范围，超出范围的数据会被忽略。

五、通用优化技巧

1. 中文显示问题：若图表中中文乱码，添加以下代码：

plt.rcParams["font.sans-serif"]=["SimHei"]# Windows系统# plt.rcParams["font.sans-serif"] = ["PingFang SC"] # macOS系统plt.rcParams["axes.unicode_minus"]=False# 解决负号显示问题

2. 保存图表：用plt.savefig()替代plt.show()，可保存高清图片：

plt.savefig("气温趋势.png",dpi=300,bbox_inches="tight")# dpi控制分辨率，bbox_inches裁剪空白

3. 样式预设：Matplotlib提供多种预设样式，可通过plt.style.use()调用：

plt.style.use("ggplot")# 仿R语言ggplot2样式plt.style.use("seaborn-v0_8")# 仿seaborn样式