🚀前言

在数据分析和科学研究中，图表是传达信息、揭示趋势和洞察数据的重要工具。Matplotlib作为Python中最强大和灵活的绘图库之一，凭借其丰富的绘图功能，成为了数据科学家和分析师们的得力助手。无论是简单的折线图还是复杂的热力图，Matplotlib都能够帮助我们以直观的方式展示数据背后的故事。

在本篇文章《Matplotlib 常用图表的绘制》中，我们将系统地介绍如何利用Matplotlib绘制各种常用图表，包括折线图、柱状图、散点图、饼图等。通过具体的示例与代码演示，你将了解到每种图表的绘制方法、适用场景以及如何进行个性化定制，让你的图表更具表现力和专业性。

🚀一、Matplotlib 常用图表的绘制

🔎1.绘制折线图

🦋1.1 折线图适用场景

• 数据趋势分析：适用于展示随时间或类别变化的连续数据趋势（如体温变化、股票走势）。
• 多维度对比：通过多条折线对比不同数据集（如学科成绩、产品销量对比）。
• 周期性分析：揭示数据周期性规律（如月访问量、季度营收）。

🦋1.2 核心函数与参数

plot() 函数语法

plt.plot(
    x, y, 
    label=None,       # 图例标签
    color=None,       # 线条颜色
    linestyle='-',    # 线型（实线、虚线等）
    marker=None,      # 数据点标记样式
    markersize=6,     # 标记大小
    markerfacecolor=None,  # 标记填充颜色
    alpha=1.0,        # 透明度（0~1）
    **kwargs          # 其他样式参数
)

🦋1.3 多折线图示例代码解析

学生语数外成绩对比

import pandas as pd
import matplotlib.pyplot as plt
df1=pd.read_excel('data.xls')              #导入Excel文件
#多折线图
x1=df1['姓名']
y1=df1['语文']
y2=df1['数学']
y3=df1['英语']
plt.rcParams['font.sans-serif']=['SimHei']    #解决中文乱码
plt.rcParams['xtick.direction'] = 'out'       #x轴的刻度线向外显示
plt.rcParams['ytick.direction'] = 'in'        #y轴的刻度线向内显示
plt.title('语数外成绩大比拼',fontsize='18')   #图表标题
plt.plot(x1,y1,label='语文',color='r',marker='p')
plt.plot(x1,y2,label='数学',color='g',marker='.',mfc='r',ms=8,alpha=0.7)
plt.plot(x1,y3,label='英语',color='b',linestyle='-.',marker='*')
plt.grid(axis='y')                             #显示网格关闭y轴
plt.ylabel('分数')
plt.yticks(range(50,150,10))
plt.legend(['语文','数学','英语'])             #图例
plt.show()

🦋1.4 参数说明

(1) 线条与标记样式

(2) 坐标轴与网格

🦋1.5 注意事项

1. 文件路径与格式：

   • 确保Excel文件路径正确，若使用 .xlsx 文件需安装 openpyxl：

     pip install openpyxl
     

   • 检查列名是否与代码一致（如 '语文' 列是否存在）。

2. 中文显示问题：

   • 若 SimHei 不可用，替换为其他中文字体（如 'Microsoft YaHei'）。
   • 在Linux系统中可能需要手动安装中文字体。

3. 数据对齐问题：

   • 确保所有折线的 x 轴数据（如学生姓名顺序）一致，避免错位。

4. 样式优化建议：

   • 标记大小：根据数据密度调整 markersize，避免重叠。
   • 透明度：多条折线交叉时，通过 alpha 增强可读性。
   • 图例位置：通过 plt.legend(loc='upper right') 调整图例位置。

5. 扩展功能：

   • 数据标签：为关键点添加数值标签：

     for a, b in zip(x1, y1):
         plt.text(a, b, f'{b}', ha='center', va='bottom')
     

   • 注释：使用 plt.annotate() 标注极值点（如最高分）。

🔎2.绘制柱形图

🦋2.1 柱形图简介与适用场景

• 定义：柱形图通过长方形高度表示数据值，适用于对比离散类别下的数值差异。
• 适用场景：

  • 少量数据集对比（如年度销售额、不同平台销量）
  • 多组数据横向比较（如不同年份、不同产品类别的数据）
• 变体形式：基本柱形图、堆叠柱形图、分组多柱形图。

🦋2.2 bar() 函数语法与参数详解

函数语法

matplotlib.pyplot.bar(
    x,                  # x轴数据（类别标签）
    height,             # 柱子高度（y轴数据）
    width=0.8,          # 柱子宽度（默认0.8，范围0~1）
    bottom=None,        # 柱子底部基准值（用于堆叠图）
    align='center',     # 对齐方式（'center'或'edge'）
    color=None,         # 柱子颜色
    alpha=1.0,          # 透明度（0~1）
    label=None,         # 图例标签
    **kwargs            # 其他样式参数（如边缘颜色edgecolor）
)

🦋2.3 基本柱形图示例

年度图书销售额分析代码解析

import matplotlib.pyplot as plt
x=[1,2,3,4,5,6]
height=[10,20,30,40,50,60]
plt.bar(x,height)
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel('books.xlsx')
plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码
x=df['年份']
height=df['销售额']
plt.grid(axis="y", which="major")  # 生成虚线网格
#x、y轴标签
plt.xlabel('年份')
plt.ylabel('线上销售额（元）')
#图表标题
plt.title('2013—2019年线上图书销售额分析图')
plt.bar(x,height,width = 0.5,align='center',color = 'b',alpha=0.5)
#设置每个柱子的文本标签,format(b,',')格式化销售额为千位分隔符格式
for a,b in zip(x,height):
    plt.text(a, b,format(b,','), ha='center', va= 'bottom',fontsize=9,color = 'b',alpha=0.9)
plt.legend(['销售额'])  #图例
plt.show()

🦋2.4 多柱形图示例

多平台销售额对比代码解析

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel('books.xlsx',sheet_name='Sheet2')
plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码
x=df['年份']
y1=df['京东']
y2=df['天猫']
y3=df['自营']
width =0.25
#y轴标签
plt.ylabel('线上销售额（元）')
#图表标题
plt.title('2013—2019年线上图书销售额分析图')
plt.bar(x,y1,width = width,color = 'darkorange')
plt.bar(x+width,y2,width = width,color = 'deepskyblue')
plt.bar(x+2*width,y3,width = width,color = 'g')
#设置每个柱子的文本标签,format(b,',')格式化销售额为千位分隔符格式
for a,b in zip(x,y1):
    plt.text(a, b,format(b,','), ha='center', va= 'bottom',fontsize=8)
for a,b in zip(x,y2):
    plt.text(a+width, b,format(b,','), ha='center', va= 'bottom',fontsize=8)
for a, b in zip(x, y3):
    plt.text(a + 2*width, b, format(b, ','), ha='center', va='bottom', fontsize=8)
plt.legend(['京东','天猫','自营'])#图例
plt.show()

输出效果

• 分组柱子：京东（橙色）、天猫（天蓝）、自营（绿色），宽度各0.25。
• 标签对齐：通过 x + width 和 x + 2*width 偏移避免重叠。
• x轴标签：居中显示在每组柱子下方。

🦋2.5 注意事项与常见问题

(1) 参数设置技巧

• 柱子宽度：若绘制 n 个并列柱子，单柱子宽度应满足 width < 1/n（如3组柱子，width=0.25）。
• 颜色搭配：使用对比色区分不同类别（如 color=['#1f77b4', '#ff7f0e', '#2ca02c']）。

(2) 常见问题解决

(3) 扩展功能

• 堆叠柱形图：通过 bottom 参数叠加数据：

  plt.bar(x, y1, label='A')
  plt.bar(x, y2, bottom=y1, label='B')  # y2堆叠在y1上方
  

• 水平柱形图：使用 plt.barh(x, width) 替代 plt.bar。

🔎3.绘制饼形图

🦋3.1 pie() 函数核心参数

语法

matplotlib.pyplot.pie(
    x,                     # 各块比例（自动归一化）
    explode=None,          # 各块离中心距离（突出显示）
    labels=None,           # 各块标签
    colors=None,           # 各块颜色
    autopct=None,          # 百分比显示格式（如'%1.1f%%'）
    startangle=0,          # 起始角度（0为x轴正方向）
    shadow=False,          # 是否显示阴影
    radius=1.0,            # 饼图半径
    wedgeprops=None,       # 饼块属性（如边框宽度、颜色）
    textprops=None,        # 文本属性（字体、颜色）
    pctdistance=0.6,       # 百分比标签距圆心比例
    labeldistance=1.1,     # 标签距圆心比例
    center=(0,0),          # 饼图中心坐标
    frame=False,           # 是否显示坐标轴框架
    rotatelabels=False     # 旋转标签
)

🦋3.2 基础饼形图

各省销量占比分析

import pandas as pd
from matplotlib import pyplot as plt
df1 = pd.read_excel('data2.xls')
plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码
plt.figure(figsize=(5,3)) #设置画布大小
labels = df1['省']
sizes = df1['销量']
#设置饼形图每块的颜色
colors = ['red', 'yellow', 'slateblue', 'green','magenta','cyan','darkorange','lawngreen','pink','gold']
plt.pie(sizes, #绘图数据
        labels=labels,#添加区域水平标签
        colors=colors,# 设置饼图的自定义填充色
        labeldistance=1.02,#设置各扇形标签（图例）与圆心的距离
        autopct='%.1f%%',# 设置百分比的格式，这里保留一位小数
        startangle=90,# 设置饼图的初始角度
        radius = 0.5, # 设置饼图的半径
        center = (0.2,0.2), # 设置饼图的原点
        textprops = {'fontsize':9, 'color':'k'}, # 设置文本标签的属性值
        pctdistance=0.6)# 设置百分比标签与圆心的距离
# 设置x，y轴刻度一致，保证饼图为圆形
plt.axis('equal')
plt.title('2020年1月各省销量占比情况分析')
plt.show()

输出效果

• 彩色分块：不同颜色区分各省份。
• 百分比标签：精确显示各块占比。
• 标签位置：外侧标签距圆心1.1倍半径，百分比标签距圆心0.6倍半径。

🦋3.3 分裂饼形图

突出显示最大占比

import pandas as pd
from matplotlib import pyplot as plt
df1 = pd.read_excel('data2.xls')
plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码
plt.figure(figsize=(5,3)) #设置画布大小
labels = df1['省']
sizes = df1['销量']
#设置饼形图每块的颜色
colors = ['red', 'yellow', 'slateblue', 'green','magenta','cyan','darkorange','lawngreen','pink','gold']
plt.pie(sizes, #绘图数据
        labels=labels,#添加区域水平标签
        colors=colors,# 设置饼图的自定义填充色
        labeldistance=1.02,#设置各扇形标签（图例）与圆心的距离
        autopct='%.1f%%',# 设置百分比的格式，这里保留一位小数
        startangle=90,# 设置饼图的初始角度
        radius = 0.5, # 设置饼图的半径
        center = (0.2,0.2), # 设置饼图的原点
        textprops = {'fontsize':9, 'color':'k'}, # 设置文本标签的属性值
        pctdistance=0.6,explode = (0.1,0,0,0,0,0,0,0,0,0))# 设置百分比标签与圆心的距离
# 设置x，y轴刻度一致，保证饼图为圆形
plt.axis('equal')
plt.title('2020年1月各省销量占比情况分析')
plt.show()

输出效果

• 突出显示：广东省离中心0.1倍半径，其他块无偏移。

🦋3.4 带阴影的立体饼形图

添加阴影增强立体感

import pandas as pd
from matplotlib import pyplot as plt
df1 = pd.read_excel('data2.xls')
plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码
plt.figure(figsize=(5,3)) #设置画布大小
labels = df1['省']
sizes = df1['销量']
#设置饼形图每块的颜色
colors = ['red', 'yellow', 'slateblue', 'green','magenta','cyan','darkorange','lawngreen','pink','gold']
plt.pie(sizes, #绘图数据
        labels=labels,#添加区域水平标签
        colors=colors,# 设置饼图的自定义填充色
        labeldistance=1.02,#设置各扇形标签（图例）与圆心的距离
        autopct='%.1f%%',# 设置百分比的格式，这里保留一位小数
        startangle=90,# 设置饼图的初始角度
        radius = 0.5, # 设置饼图的半径
        center = (0.2,0.2), # 设置饼图的原点
        textprops = {'fontsize':9, 'color':'k'}, # 设置文本标签的属性值
        pctdistance=0.6,explode = (0.1,0,0,0,0,0,0,0,0,0),shadow=True)# 设置百分比标签与圆心的距离
# 设置x，y轴刻度一致，保证饼图为圆形
plt.axis('equal')
plt.title('2020年1月各省销量占比情况分析')
plt.show()

输出效果

• 阴影效果：饼图下方显示阴影，增强立体感。

🦋3.5 环形图

单层环形图

import pandas as pd
from matplotlib import pyplot as plt
df1 = pd.read_excel('data2.xls')
plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码
plt.figure(figsize=(5,3)) #设置画布大小
labels = df1['省']
sizes = df1['销量']
#设置饼形图每块的颜色
colors = ['red', 'yellow', 'slateblue', 'green','magenta','cyan','darkorange','lawngreen','pink','gold']
plt.pie(sizes, #绘图数据
        labels=labels,#添加区域水平标签
        colors=colors,# 设置饼图的自定义填充色
        autopct='%.1f%%',# 设置百分比的格式，这里保留一位小数
        #radius =1 , # 设置饼图的半径
        pctdistance=0.85,
        startangle = 180,
        textprops = {'fontsize':9, 'color':'k'}, # 设置文本标签的属性值
        wedgeprops = {'width': 0.4, 'edgecolor': 'k'})
plt.title('2020年1月各省销量占比情况分析')
plt.show()

输出效果

• 环形结构：通过 wedgeprops={'width': 0.4} 设置环宽为半径的40%。

🦋3.6 内嵌环形图（双环）

双环形对比分析

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
df1 = pd.read_excel('data2.xls')
df2=pd.read_excel('data2.xls',sheet_name='2月')
#数据集，x1,x2分别对应外环、内环百分比例
x1=df1['销量']
x2=df2['销量']
#设置饼状图各个区块的颜色
colors = ['red', 'yellow', 'slateblue', 'green','magenta','cyan','darkorange','lawngreen','pink','gold']
#外环
plt.pie(x1,autopct='%.1f%%',radius=1,pctdistance=0.85,colors=colors,wedgeprops=dict(linewidth=2,width=0.3,edgecolor='w'))
#内环
plt.pie(x2,autopct='%.1f%%',radius=0.7,pctdistance=0.7,colors=colors,wedgeprops=dict(linewidth=2,width=0.4,edgecolor='w'))
#图例
legend_text=df1['省']
plt.legend(legend_text,title='地区',frameon=False,bbox_to_anchor=(0.2,0.5))#设置图例标题、位置、去掉图例边框
plt.axis('equal')#设置坐标轴比例以显示为圆形
plt.title('2020年1月2月各省销量占比情况分析')
plt.show()

输出效果

• 双环对比：外环（1月）与内环（2月）数据对比。
• 图例优化：图例无边框，位置调整至左侧。

🦋3.7 注意事项与常见问题

1. 中文显示问题：

   plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体
   plt.rcParams['axes.unicode_minus'] = False    # 解决负号显示
   

2. 标签重叠：

   • 调整 labeldistance 和 pctdistance 参数。
   • 设置 rotatelabels=True 旋转标签。

3. 环形图宽度：

   • wedgeprops={'width': 0.4} 控制环宽（值越大环越窄）。

4. 百分比格式：

   • autopct='%1.1f%%' 保留1位小数，autopct='%d%%' 显示整数。

5. 多饼图叠加：

   • 使用 plt.pie() 多次绘制，调整 radius 和 wedgeprops 实现层叠效果。