详细讲解了如何使用 Python 中的 Matplotlib 库进行数据可视化。内容涵盖折线图、柱状图、直方图、散点图和饼状图的绘制方法与代码实现。文章介绍了基本语法、颜色样式设置、图例标题添加、交互式模式开启以及图表保存技巧。通过实际案例（如股票价格、人口分布），展示了如何将数据转化为直观的图表，帮助读者掌握 Matplotlib 的核心功能并应用于数据分析场景。
可视化是数据分析的核心环节。仅仅收集、处理和分析数据是不够的，还需要将发现以直观的方式展示出来。数据应当讲述一个故事，而缺乏视觉呈现的数据往往显得枯燥。人类主要通过视觉获取信息，正如俗话所说'一图胜千言'。醒目的图表更容易吸引注意力并传达关键信息。
作为数据科学和机器学习领域最流行的编程语言，Python 提供了丰富的可视化解决方案。本章将重点学习使用最著名的 Python 可视化库 Matplotlib。其他大多数 Python 可视化库（如 Seaborn）通常构建在 Matplotlib 之上或与其有相似的绘图方法。
Matplotlib 是第一个用于绘制数据图表的主要 Python 库。它是世界上使用最广泛的 Python 可视化解决方案之一。Matplotlib 支持绘制多种类型的图表，包括折线图、柱状图、散点图和直方图等常用类型。此外，它还有许多扩展模块可用于天文、地理或科学数据的可视化。
Matplotlib 通常随 Anaconda 发行版自带。只需导入 pyplot 模块即可开始使用。新建 Jupyter Notebook 文件后，执行以下导入操作：
import matplotlib.pyplot as plt
Matplotlib 是一个庞大的库，我们通常不需要导入全部功能，只需导入主要的 pyplot 模块即可。
首先通过一个简单的案例介绍 Matplotlib 的基本用法。创建两个包含数值的列表作为坐标数据：
x = [2, 5, 7]
y = [2, 7, 3]
为了画线，需要将各个点连接起来。每个点对应 x 和 y 坐标。使用 Matplotlib 的 plot() 函数绘制折线图：
plt.grid(True)
plt.plot(x, y, marker="o")
plt.grid(True) 用于显示网格，帮助观察坐标对应关系。参数 marker="o" 表示在数据点上显示圆形标记。如果去掉该参数，将只显示连接线。
plt.plot() 函数非常灵活，可以接收任意两个迭代变量（如列表、元组、Pandas Series 或 NumPy 数组）作为 x 和 y 坐标。它还支持多种样式和颜色参数。
颜色可以通过首字母缩写、完整名称、HEX 代码或 RGB 格式传入：
# 使用首字母
plt.plot(x, y, color="b") # Blue
plt.plot(x, y, color="r") # Red
plt.plot(x, y, color="g") # Green
# 使用完整名称
plt.plot(x, y, color="blue")
plt.plot(x, y, color="red")
# 使用 HEX 代码
plt.plot(x, y, color="#F08080") # LightCoral
所有图表都需要图例和标题。使用 legend() 和 title() 函数添加注释：
plt.plot(x, y, color="#F08080", label="Data Line")
plt.legend()
图例位置可通过 loc 参数调整，例如 lower center。标题同样支持位置、颜色和字号设置：
plt.title("Sample Plot", loc="left", color="#196F3D", fontsize=22)
下面演示如何绘制历史股价折线图。首先需要安装 pandas-datareader 库来获取数据：
import pandas_datareader as pdr
import pandas as pd
# 获取苹果股票历史数据
data = pdr.DataReader("AAPL", "yahoo", "2021-01-01", "2021-12-12")
# 提取调整后的收盘价
y = data["Adj Close"]
x = data.index
plt.figure(figsize=(12, 8))
plt.plot(x, y, color="#196F3D", label="AAPL")
plt.legend(loc="lower right")
plt.title("Apple Inc. Stock Price", loc="left", color="#196F3D", fontsize=22)
plt.xticks(rotation=45) # 旋转 X 轴标签以便阅读
plt.show()
可以使用 grid() 函数添加自定义网格线，并通过 figure() 设置画布大小：
plt.grid(color="brown", linestyle=":")
plt.figure(figsize=(12, 8))
Matplotlib 还支持预设样式表，例如 seaborn 风格：
plt.style.use("seaborn")
注意：样式设置应在绘图之前调用。最后，使用 savefig() 保存图表：
plt.savefig("stock_price.png")
请确保 savefig() 是绘图命令的最后一步。
虽然前文主要介绍了折线图，但柱状图也是 Matplotlib 中常用的图表类型，适合比较不同类别的数据。本节补充柱状图的绘制方法。
假设我们要比较不同产品的销售数量：
products = ['Product A', 'Product B', 'Product C', 'Product D']
sales = [120, 200, 150, 300]
plt.figure(figsize=(10, 6))
plt.bar(products, sales, color='skyblue', edgecolor='black')
plt.title('Sales Comparison by Product')
plt.xlabel('Products')
plt.ylabel('Sales Volume')
plt.show()
通过 bar() 函数，可以轻松创建垂直柱状图。若需水平柱状图，可使用 barh() 函数。还可以设置柱子的宽度、颜色以及边缘样式来美化图表。
直方图常用于展示数据的分布情况。与 plot() 不同，hist() 方法需要一组数据作为输入。
我们可以计算股票每日回报率并将其绘制成直方图：
# 计算每日百分比变化
stock_return = data['Adj Close'].pct_change(1) * 100
# 删除 NaN 值
stock_return.dropna(inplace=True)
plt.figure(figsize=(10, 6))
plt.hist(stock_return, bins=100, color='green', alpha=0.7)
plt.title('Distribution of AAPL Daily Return')
plt.xlabel('Daily Percentage Return')
plt.ylabel('Frequency')
plt.show()
bins 参数控制分箱的数量，增加 bins 可以获得更精确的分布结果。直方图可保存为 png、jpeg、pdf 或 svg 格式。
散点图用于分析两个变量之间的关系。Matplotlib 的 scatter() 函数不仅可以绘制点，还能根据数值调整点的大小和颜色。
以下示例展示美国各州人口分布（简化版）：
import pandas as pd
# 模拟数据
states = ['California', 'Texas', 'Florida', 'New York']
population = [39.5, 29.1, 21.5, 19.5] # 单位：百万
plt.figure(figsize=(10, 8))
plt.scatter(states, population, s=population*1000, c=population, cmap='plasma', alpha=0.6)
plt.title('US State Population Estimates')
plt.ylabel('Population in Millions')
plt.xticks(rotation=90)
plt.colorbar(label='Population Size')
plt.show()
scatter() 函数支持 s (大小)、c (颜色) 和 alpha (透明度) 等参数。通过 annotate() 函数可以在特定点添加文本标签：
for i, state in enumerate(states):
plt.annotate(state, (i, population[i]), textcoords="offset points", xytext=(0,10), ha='center')
Jupyter Notebook 中可以使用 %matplotlib notebook 开启交互式模式，允许缩放和平移图表。
饼状图适合展示部分与整体的比例关系。我们将使用 pie() 函数绘制美国各区域人口占比。
regions = ['South', 'West', 'Midwest', 'Northeast']
percentages = [38.26, 23.87, 20.82, 17.06]
colors = ['#00FFFF', '#FF00FF', '#00FF00', '#800080']
plt.figure(figsize=(8, 8))
plt.pie(percentages, labels=regions, colors=colors, autopct='%1.1f%%', shadow=True, startangle=90)
plt.title('US Population by Region')
plt.axis('equal') # 保证饼图为正圆
plt.show()
autopct 参数用于显示百分比数值。explode 参数可以将特定扇区突出显示。shadow=True 可添加阴影效果增强立体感。
Matplotlib 是一个功能强大且易于上手的数据可视化工具。本文详细介绍了如何使用 Matplotlib 绘制折线图、柱状图、直方图、散点图和饼状图。掌握了这些基础图表后，结合样式设置、交互模式和保存功能，可以满足大部分日常数据分析的可视化需求。
对于更复杂的图表定制，建议查阅官方文档：https://matplotlib.org/stable/gallery/index.html。通过不断实践，你可以利用 Matplotlib 及其生态插件创造出专业且美观的数据报告。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online