matplotlib

Matplotlib - 数据可视化

使用最广泛的 2D（以及基础 3D）绘图库。它可以全面控制图形的每个元素，从线条样式到坐标轴脊线。

适用场景

• 创建出版级的 2D 图表（折线图、散点图、柱状图、直方图）
• 可视化科学数据（热力图、等高线图、矢量场）
• 生成复杂的多面板图形
• 为论文／报告精细调整图表（支持 LaTeX）
• 构建自定义可视化工具和仪表板
• 直接绘制 NumPy 数组或 Pandas DataFrame 中的数据

参考文档

官方文档：https://matplotlib.org/stable/index.html
示例库：https://matplotlib.org/stable/gallery/index.html（查找示例必备）
搜索关键词：plt.subplots、ax.set_title、ax.legend、plt.savefig、matplotlib.colors

核心原则

两种接口：谨慎选择

接口	方法	用例
面向对象（OO）	fig, ax = plt.subplots()	推荐。最适合创建复杂、可复现的图表。
Pyplot（基于状态）	plt.plot(x, y)	快速交互式检查。避免在脚本／模块中使用。

适合使用 Matplotlib 的场景

• 高层次控制图形布局。
• 为出版物精确设置样式。
• 在 GUI 应用程序中嵌入图表。

不要用于

• 交互式 Web 仪表板（使用 Plotly 或 Bokeh）。
• 快速统计探索（使用 Seaborn——它基于 Matplotlib 构建，但更适合统计分析）。
• 实时绘制超大型数据集（>1M 个点）（使用 Datashader 或 VisPy）。

快速参考

安装

pip install matplotlib

标准导入

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from matplotlib import gridspec

基本模式 - OO 接口（“正确”方式）

import matplotlib.pyplot as plt
import numpy as np

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

# 1. Create Figure and Axis objects
fig, ax = plt.subplots(figsize=(8, 5))

# 2. Plot data
ax.plot(x, y, label='Sine Wave', color='tab:blue', linewidth=2)

# 3. Customize
ax.set_xlabel('Time (s)')
ax.set_ylabel('Amplitude')
ax.set_title('Oscillation Example')
ax.legend()
ax.grid(True, linestyle='--')

# 4. Show or Save
plt.show()
# fig.savefig('plot.pdf', dpi=300, bbox_inches='tight')

关键规则

✅ 应当

• 使用 OO 接口（ax.method()）——可避免多图脚本中的错误。
• 使用 bbox_inches='tight'——保存时确保标签不会被裁切。
• 设置 dpi——用于印刷时使用 300+，用于 Web 时使用 72-100。
• 关闭图形——在循环中使用 plt.close('all')，以避免内存泄漏。
• 标注所有内容——每个坐标轴都必须有标签和单位。
• 使用矢量格式——学术论文请保存为 .pdf 或 .svg（无损缩放）。
• 使用色盲友好型配色——使用 tab10 或 viridis 色彩映射。

❌ 不要

• 混用 plt. 和 ax.——这会导致“隐藏状态”错误。
• 在循环中使用 plt.show()——它会阻塞执行；请改用 fig.savefig()。
• 手动放置图例——先让 ax.legend(loc='best') 自动尝试。
• 硬编码字体大小——使用 plt.rcParams.update({'font.size': 12}) 保持一致。
• 使用“彩虹”（Jet）配色——它会产生虚假的渐变；请使用 magma 或 inferno 等感知均匀的色彩映射。

反模式（绝对不要）

# ❌ BAD: Mixing interfaces (State-based + OO)
plt.figure()
ax = plt.gca()
plt.plot(x, y) # Confusing state
ax.set_title('Test')

# ✅ GOOD: Consistent OO interface
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('Test')

# ❌ BAD: Overlapping subplots
fig, axs = plt.subplots(2, 2)
# Plots look squashed and titles overlap

# ✅ GOOD: Use constrained_layout or tight_layout
fig, axs = plt.subplots(2, 2, constrained_layout=True)

图表剖析

标签、刻度和样式

fig, ax = plt.subplots()

ax.plot(x, y, 'o-', color='red', markersize=4, alpha=0.7)

# Explicitly setting limits
ax.set_xlim(0, 10)
ax.set_ylim(-1.5, 1.5)

# Controlling Ticks
ax.set_xticks([0, 2.5, 5, 7.5, 10])
ax.set_xticklabels(['Start', '1/4', 'Mid', '3/4', 'End'])

# Spines (Box around the plot)
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

# Adding text and arrows
ax.annotate('Local Max', xy=(1.5, 1), xytext=(3, 1.2),
             arrowprops=dict(facecolor='black', shrink=0.05))

高级布局

子图和 GridSpec

# Simple 2x2 grid
fig, axs = plt.subplots(2, 2, figsize=(10, 10))
axs[0, 0].plot(x, y) # Top left
axs[1, 1].scatter(x, y) # Bottom right

# Complex grid (Uneven sizes)
fig = plt.figure(figsize=(10, 6))
gs = gridspec.GridSpec(2, 2, width_ratios=[2, 1], height_ratios=[1, 2])

ax1 = fig.add_subplot(gs[0, 0]) # Top left (large width)
ax2 = fig.add_subplot(gs[0, 1]) # Top right
ax3 = fig.add_subplot(gs[1, :]) # Bottom spanning all columns

科学绘图类型

热力图和色条

data = np.random.rand(10, 10)

fig, ax = plt.subplots()
im = ax.imshow(data, cmap='viridis', interpolation='nearest')

# Add colorbar
cbar = fig.colorbar(im, ax=ax, label='Intensity [a.u.]')

# Proper alignment of colorbar
from mpl_toolkits.axes_grid1 import make_axes_locatable
divider = make_axes_locatable(ax)
cax = divider.append_axes("right", size="5%", pad=0.05)
fig.colorbar(im, cax=cax)

直方图和误差棒

# Histogram
data = np.random.normal(0, 1, 1000)
ax.hist(data, bins=30, density=True, alpha=0.6, color='g', edgecolor='black')

# Error bars
x = np.arange(10)
y = x**2
yerr = np.sqrt(y)
ax.errorbar(x, y, yerr=yerr, fmt='o', capsize=5, label='Data with noise')

3D 绘图

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

X = np.arange(-5, 5, 0.25)
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)

surf = ax.plot_surface(X, Y, Z, cmap='coolwarm', linewidth=0, antialiased=False)
fig.colorbar(surf, shrink=0.5, aspect=5)

出版格式设置

使用 LaTeX 和 RcParams

# Global styling
plt.style.use('seaborn-v0_8-paper') # or 'ggplot', 'bmh'

# LaTeX for labels
plt.rcParams.update({
    "text.usetex": True,
    "font.family": "serif",
    "font.serif": ["Computer Modern Roman"],
    "axes.labelsize": 14,
})

fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_xlabel(r'$\alpha_{i} + \beta \sin(\omega t)$') # LaTeX string

实用工作流

1. 多数据集比较工作流

def plot_comparison(datasets, labels):
    fig, ax = plt.subplots(figsize=(10, 6))
    colors = plt.cm.viridis(np.linspace(0, 1, len(datasets)))
    
    for data, label, color in zip(datasets, labels, colors):
        ax.plot(data['x'], data['y'], label=label, color=color, lw=1.5)
        ax.fill_between(data['x'], data['y']-data['std'], data['y']+data['std'], 
                        alpha=0.2, color=color)
    
    ax.set_title('Experiment Results Comparison')
    ax.legend(frameon=False)
    return fig, ax

2. 实时数据监控（交互式）

# Use this in a Jupyter environment or script
plt.ion() # Interactive mode on
fig, ax = plt.subplots()
line, = ax.plot([], [])

for i in range(100):
    new_data = np.random.rand(10)
    line.set_data(np.arange(len(new_data)), new_data)
    ax.relim()
    ax.autoscale_view()
    fig.canvas.draw()
    fig.canvas.flush_events()
    plt.pause(0.1)

3. 创建聚类图／相关矩阵

import pandas as pd

df = pd.DataFrame(np.random.rand(10, 4), columns=['A', 'B', 'C', 'D'])
corr = df.corr()

fig, ax = plt.subplots()
im = ax.imshow(corr, cmap='RdBu_r', vmin=-1, vmax=1)
ax.set_xticks(np.arange(len(corr.columns)), labels=corr.columns)
ax.set_yticks(np.arange(len(corr.index)), labels=corr.index)

# Loop over data dimensions and create text annotations.
for i in range(len(corr.index)):
    for j in range(len(corr.columns)):
        text = ax.text(j, i, f"{corr.iloc[i, j]:.2f}",
                       ha="center", va="center", color="black")

性能优化

绘制大型数据

# 1. Use 'agg' backend for non-interactive rendering
import matplotlib
matplotlib.use('Agg')

# 2. Use PathCollection for scatter plots with many points
ax.scatter(x, y, s=1) # slow for 1M points

# 3. Use marker='' (none) and only lines for speed
ax.plot(x, y, marker=None)

# 4. Decimate data before plotting
ax.plot(x[::10], y[::10]) # Plot every 10th point

常见问题及解决方案

日期／时间坐标轴问题

# ❌ Problem: Dates look like a black blob
# ✅ Solution: Use AutoDateLocator and AutoDateFormatter
import matplotlib.dates as mdates

fig, ax = plt.subplots()
ax.plot(dates, values)
ax.xaxis.set_major_locator(mdates.MonthLocator())
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m'))
fig.autofmt_xdate() # Rotates labels

单个图表中的多个图例

# ❌ Problem: Calling ax.legend() twice replaces the first one
# ✅ Solution: Manually add the first artist back
fig, ax = plt.subplots()
line1, = ax.plot([1, 2], [1, 2], label='Line 1')
line2, = ax.plot([1, 2], [2, 1], label='Line 2')

first_legend = ax.legend(handles=[line1], loc='upper left')
ax.add_artist(first_legend) # Add back
ax.legend(handles=[line2], loc='lower right')

图像保存质量（裁切）

# ❌ Problem: Legend or Axis title is cut off in the .png file
# ✅ Solution:
fig.savefig('output.png', bbox_inches='tight')

最佳实践

1. 脚本和模块始终使用面向对象接口（fig, ax = plt.subplots()）
2. 使用合适的格式保存图表——出版物使用 PDF/SVG，网页使用 PNG
3. 设置合适的 DPI——印刷使用 300 以上，屏幕显示使用 72–100
4. 保存时使用 bbox_inches='tight'，以避免内容被裁切
5. 在循环中关闭图表，以防止内存泄漏
6. 使用色盲友好型色图——避免使用 'jet'，优先选择 'viridis'、'plasma'、'inferno'
7. 为所有坐标轴添加标签，注明描述性名称和单位
8. 子图使用 constrained_layout=True，以避免内容重叠
9. 使用 plt.rcParams 配置全局样式，以保持一致性
10. 在目标分辨率下测试图表，再定稿