Matplotlib菜鳥教程

一、簡介

Matplotlib是一個基礎繪圖庫，可以創建各種靜態、動態、互動式的圖表、圖像和動畫。

在Python的數據可視化領域，Matplotlib是不可或缺的一部分。同時，由於其靈活性和豐富的功能，Matplotlib也成為了許多高級可視化工具的基礎。

在使用Matplotlib時，主要的抽象是「Figure」和「Axes」。Figure是繪圖空間的大容器，而Axes則是具體繪圖的子區域。Matplotlib支持許多種不同類型的圖表，例如線圖、散點圖、餅圖、條形圖等等。

二、常用圖表類型

1. 折線圖

折線圖是Matplotlib中最基礎的圖表類型之一，通常被用於呈現數據隨時間變化的趨勢。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.show()

2. 散點圖

散點圖適合用於描繪兩個變數之間的關係，例如是否相關、是否有趨勢等。

import matplotlib.pyplot as plt
import numpy as np

x = np.random.randn(1000)
y = np.random.randn(1000)

plt.scatter(x, y)
plt.show()

3. 餅圖

餅圖適合用於呈現數據在整體中的佔比關係。

import matplotlib.pyplot as plt

labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)

plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=True, startangle=90)
plt.axis('equal')
plt.show()

4. 條形圖

條形圖適合用於對比不同類別的數據。

import matplotlib.pyplot as plt
import numpy as np

labels = ['A', 'B', 'C', 'D']
values = [1, 5, 3, 7]

index = np.arange(len(labels))
plt.bar(index, values)
plt.xticks(index, labels)
plt.show()

三、定製化圖表

Matplotlib提供了豐富的視覺定製化選項，使得我們可以定製化美觀且能夠有效傳遞信息的圖表。

1. 設置標題和標籤

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.title('Sine Curve')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

2. 添加註釋和箭頭

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.annotate('Max', xy=(np.pi/2, 1), xytext=(np.pi/2, 1.2),
             arrowprops=dict(facecolor='black', shrink=0.05))
plt.show()

3. 設置圖例和顏色

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.plot(x, y1, label='Sine')
plt.plot(x, y2, label='Cosine')
plt.legend()
plt.show()

四、動態圖表

Matplotlib還支持創建動態圖表，可以讓我們更加生動地展示數據隨時間變化的過程。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()

x = np.arange(0, 2*np.pi, 0.1)
line, = ax.plot(x, np.sin(x))

def animate(i):
    line.set_ydata(np.sin(x+i/10))
    return line,

ani = FuncAnimation(fig, animate, frames=100, interval=20, blit=True)

plt.show()

五、互動式圖表

Matplotlib還支持創建互動式圖表，允許用戶在圖表中進行選擇、縮放、平移等操作。

from matplotlib.widgets import Slider
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

fig, ax = plt.subplots()
plt.subplots_adjust(left=0.25, bottom=0.25)
l, = plt.plot(x, y)

ax_color = 'lightgoldenrodyellow'
axfreq = plt.axes([0.25, 0.1, 0.65, 0.03], facecolor=ax_color)

freq_slider = Slider(
    ax=axfreq,
    label='Frequency',
    valmin=0.1,
    valmax=30,
    valinit=1,
    orientation='horizontal'
)

def update(val):
    freq = freq_slider.val
    l.set_ydata(np.sin(x*freq))
    fig.canvas.draw_idle()

freq_slider.on_changed(update)

plt.show()

六、總結

本篇文章主要介紹了Matplotlib的基礎使用方法、常用圖表類型、定製化圖表、動態圖表和互動式圖表等。這些內容組成了Matplotlib的基礎知識體系，在實際的數據可視化和科學研究中具有廣泛的應用價值。