Python Matplotlib绘图基础：从折线图到饼图的完整指南

一只小鹿

发布时间：2026-10-14 | 4人浏览过

原创

本文详细介绍Python中Matplotlib库的基础用法，涵盖折线图的线条颜色、标记形状与线型设置，以及标签和图例的添加方法。同时深入讲解子图(Subplot)的创建、散点图(Scatter)的关键参数如颜色与形状指定，并演示直方图和饼图的绘制技巧，帮助开发者快速掌握数据可视化核心技能。

一、前言

Matplotlib作为Python生态中强大的绘图库，不仅功能丰富，还具备跨平台兼容性，并与Jupyter Notebook环境有着极佳的集成效果。

二、线型图


import matplotlib.pyplot as plt
import numpy as np

# 指定生成随机数的种子，这样每次运行得到的随机数都是相同的
np.random.seed(42)
# 生成30个满足平均值为0、方差为1的正态分布的样本
x = np.random.randn(30)
# plot本意有“绘制(图表)”的意思，所以下面这一行代码是绘制图表。r指定绘制的线条颜色为红色，o指定标记实际点使用的形状为圆形，--指定线条形状为虚线
plt.plot(x, "r--o")
# 显示图表
plt.show()

三、线条颜色、标记形状和线型

在绘制线条时，常用的颜色参数如下：

“b”：代表蓝色。
“g”：代表绿色。
“r”：代表红色。
“c”：代表蓝绿色（青色）。
“m”：代表洋红色。
“y”：代表黄色。
“k”：代表黑色。
“w”：代表白色。

用于指定数据点标记形状的常用参数包括：

“o”：表示圆形标记。
“*”：表示星形标记。
“+”：表示加号标记。
“x”：表示x形标记。

定义线条样式的常用参数有：

“-”：表示实线。
“–”：表示虚线。
“-.”：表示点划线。
“:”：表示点线。


import matplotlib.pyplot as plt
import numpy as np

# 未指定种子的值，所以最终产生的随机数不同
# randn()生成30个满足平均值为0、方差为1的正态分布的样本
a = np.random.randn(30)
b = np.random.randn(30)
c = np.random.randn(30)
d = np.random.randn(30)

# a：红色，虚线，圆形；b：蓝色，实线，星号；c：绿色，点实线，加号；d：洋红色，点线，x形状
plt.plot(a, "r--o", b, "b-*", c, "g-.+", d, "m:x")
plt.show(

四、标签和图例

为了提升图表的可读性，通常需要添加轴标签和图例进行说明，具体实现可参考以下示例：


import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
x = np.random.randn(30)
y = np.random.randn(30)

# 图表标题
plt.title("Example")
# 图表标签
plt.xlabel("X")
plt.ylabel("Y")

# X, Y后面的逗号去掉会报出警告
X, = plt.plot(x, "r--o")
Y, = plt.plot(y, "b-*")
# 图例显示(显示图片右上角的图例)
# legend()有两个列表参数，第一个列表参数是图中实际使用的标记和线性，第二个列表参数是对应图例的文字描述
# legend本意：传奇、图例、解释、说明，这里是图例的意思
plt.legend([X, Y], ["X", "Y"])

plt.show()

五、子图

若需在同一个窗口中不同位置展示多个图像，可以使用子图（Subplot）功能来实现。


import matplotlib.pyplot as plt
import numpy as np

# 未指定随机数种子的值
a = np.random.randn(30)
b = np.random.randn(30)
c = np.random.randn(30)
d = np.random.randn(30)

# 定义一个实例fig，相当于子图最外面的大图
fig = plt.figure()
# 向fig实例中添加需要的子图，前两个参数表示把大图分成了2行2列，最后一个参数表示使用哪一张子图进行绘制
ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)
ax4 = fig.add_subplot(2, 2, 4)

# 设置图例
A, = ax1.plot(a, "r--o")
ax1.legend([A], ["A"])
B, = ax2.plot(b, "b-*")
ax2.legend([B], ["B"])
C, = ax3.plot(c, "g-.+")
ax3.legend([C], ["C"])
D, = ax4.plot(d, "m:x")
ax4.legend([D], ["D"])

plt.show()

六、散点图

当需要展示散点数据的分布与布局时，可以使用散点图（Scatter）进行可视化。


import matplotlib.pyplot as plt
import numpy as np

# 设置随机数种子的值
np.random.seed(42)
x = np.random.randn(30)
y = np.random.randn(30)

# 散点图，scatter()的参数必须同时含有x, y
plt.scatter(x, y, c = 'g', marker='o', label = "(X, Y)")
# 散点图的标题
plt.title("Example")
# 设置坐标轴的标签
plt.xlabel("X")
plt.ylabel("Y")
# 设置图例，loc=0表示使用最好的位置，loc=1强制图例使用图中右上角的位置，loc=2强制使用左上角位置，loc=3强制使用左下角位置，loc=4强制使用右下角位置
plt.legend(loc = 1)

# 显示图像
plt.show()

在使用scatter()方法时，需重点关注以下参数：

“c”：用于指定散点的颜色，其取值规则与第2部分中的线条颜色参数一致，例如“g”代表绿色。
“marker”：用于指定散点的形状，规则同第2部分中的标记形状参数，例如“o”代表圆形。
“label”：用于指定散点对应的图例文本，此处用法与第3部分中的图例设置有所区别，需注意区分。

七、直方图

直方图（Histogram）是一种统计图表，通过一系列高度不等的纵向条纹或矩形来展示数据分布情况，通常横轴表示数据类型，纵轴表示分布频率。具体实例如下：


import matplotlib.pyplot as plt
import numpy as np

# 指定随机数种子的值
np.random.seed(42)
x = np.random.randn(1000)

# 直方图，bins表示绘制的直方图的条纹的数量；color表示直方图条纹的颜色，g表示绿色
plt.hist(x, bins = 20, color = 'g')
# 设置标题
plt.title("Example")
# 设置坐标轴标签
plt.xlabel("X")
plt.ylabel("Y")

# 显示图像
plt.show()

八、饼图


import matplotlib.pyplot as plt

# 标签
labels = ['Dos', 'Cats', 'Birds']
# sizes的三个数字确定了每部分数据系列在整个圆形中的占比
sizes = [15, 50, 35]

# 饼图，explode定义每部分数据系列之间的间隔，设置两个0和一个0.1，就能突出第三部分；autopct将sizes中的数据以所定义的浮点数精度进行显示；
# startangle是绘制第一块饼图时，该饼图与X轴正方向的夹角度数，这是设置90度，默认是0度。
plt.pie(sizes, explode = (0, 0, 0.1), labels = labels, autopct = '%1.1f%%', startangle = 90)
# 下面的一行代码必须存在，用于使X轴和Y轴的刻度时刻保持一致，只有这样，最后得到的饼图才是圆的
plt.axis('equal')

# 显示图像
plt.show()