Matplotlib入门：绘制你的第一张折线图与散点图

在这里插入图片描述

导语

欢迎来到 Matplotlib 的世界！对于任何使用 Python 进行数据分析或机器学习的人来说，数据可视化都是一项至关重要的技能。Matplotlib 是 Python 中最流行、最基础的可视化库，它功能强大，可以创建各种静态、动态、交互式的图表。

本教程专为初学者设计，将带你从零开始，一步步学习如何使用 Matplotlib 绘制两种最常用的图表：折线图和散点图。学完本篇，你将能够轻松地将数据转化为直观的图形。

✅ 准备工作：安装 Matplotlib

在开始之前，请确保你已经安装了 Matplotlib。如果尚未安装，可以通过 pip 命令轻松安装：

pip install matplotlib numpy

我们同时安装 numpy，因为它是处理数值数据的常用库，与 Matplotlib 配合使用效果更佳。

一、绘制你的第一张折线图

折线图（Line Chart）是用于显示数据随某个连续变量（如时间、顺序）变化趋势的理想选择。

1. 创建简单数据

首先，我们使用 numpy 创建一组简单的数据作为示例。

import matplotlib.pyplot as plt
import numpy as np# 创建 x 轴数据 (0, 1, 2, ..., 9)
x = np.arange(10)
# 创建 y 轴数据 (x 的平方)
y = x**2print("X轴数据:", x)
print("Y轴数据:", y)

2. 绘制基本折线图

有了数据后，只需几行代码即可绘制一张折线图。

import matplotlib.pyplot as plt
import numpy as np# 1. 准备数据
x = np.arange(10)
y = x**2# 2. 创建图表
plt.figure(figsize=(8, 6))  # 设置画布大小
plt.plot(x, y)              # 绘制折线图# 3. 添加图表信息
plt.title("我的第一张折线图 (My First Line Chart)") # 标题
plt.xlabel("X 轴")        # X轴标签
plt.ylabel("Y 轴")        # Y轴标签# 4. 显示图表
plt.show()

运行以上代码，你将看到如下所示的图表：

3. 自定义你的折线图

Matplotlib 提供了丰富的自定义选项，让你的图表更具表现力。

颜色（color）：设置线条颜色。
线型（linestyle）：可以是实线 -、虚线 --、点线 : 等。
标记（marker）：在数据点上添加标记，如圆形 o、方形 s、星形 *。

# ... 接上文代码 ...# 绘制自定义折线图
plt.figure(figsize=(8, 6))
plt.plot(x, y,color='red',          # 颜色linestyle='--',       # 线型marker='o',           # 标记label="y = x^2"       # 图例标签
)# 添加网格和图例
plt.grid(True)              # 显示网格
plt.legend()                # 显示图例plt.title("自定义折线图")
plt.xlabel("X 轴")
plt.ylabel("Y 轴")plt.show()

二、绘制你的第一张散点图

散点图（Scatter Plot）主要用于观察两个变量之间的关系或分布情况。

1. 创建两组相关数据

我们创建两组数据，一组是随机的，另一组与第一组有一定的线性关系。

# 创建 50 个随机数据点
np.random.seed(42) # 设置随机种子以保证结果可复现
x_scatter = np.random.rand(50) * 10
y_scatter = 2 * x_scatter + np.random.randn(50) * 2 # y = 2x + 噪声

2. 绘制基本散点图

使用 plt.scatter() 函数来绘制散点图。

# ... 接上文代码 ...# 绘制基本散点图
plt.figure(figsize=(8, 6))
plt.scatter(x_scatter, y_scatter)plt.title("我的第一张散点图 (My First Scatter Plot)")
plt.xlabel("变量 X")
plt.ylabel("变量 Y")
plt.grid(True)plt.show()

3. 自定义你的散点图

散点图同样可以自定义，例如改变点的大小、颜色，甚至可以根据第三个变量来映射颜色。

大小（s）：设置点的大小。
颜色（c）：可以是一个颜色字符串，也可以是一个数值序列，用于颜色映射。
透明度（alpha）：设置点的透明度。

# ... 接上文代码 ...# 创建一个颜色变量
colors = np.random.rand(50)
# 创建一个大小变量
sizes = 1000 * np.random.rand(50)# 绘制自定义散点图
plt.figure(figsize=(10, 6))
scatter = plt.scatter(x_scatter, y_scatter,c=colors,           # 根据 colors 变量映射颜色s=sizes,            # 根据 sizes 变量设置大小alpha=0.6,          # 设置透明度cmap='viridis'      # 使用 viridis 颜色映射方案
)# 添加颜色条
plt.colorbar(scatter, label="颜色强度")plt.title("自定义散点图")
plt.xlabel("变量 X")
plt.ylabel("变量 Y")plt.show()

🤖 AI 助力你的编程之路

在学习和工作中，强大的 AI 工具能极大地提升我们的效率。这里向你推荐一款优秀的 AI 助手，或许能为你的编程和创作带来新的灵感。

😳 0v0 AI 助手推荐、官网：https://0v0.pro

🆓 开源模型全免费：Llama、Qwen、Deepseek 等，无需付费即可体验。
😲 基础模型全免费：gpt-4o、o4-mini、gpt-5-mini 等，满足日常开发需求。
♾️ 对话真正无限制：不限时间、不限次数，尽情探索 AI 的能力。
🫡 每周免费旗舰模型：每周解锁一款旗舰模型（如本周的 gpt-5），免费使用！

🗨️ 需要接入 AI API？

如果你是开发者，希望将 AI 能力集成到自己的应用中，可以考虑以下服务：

按量计算、官网：https://llm-all.pro

😊 超高性价比：OpenAI、Claude、Gemini 等模型低至官方 1 折。
🤓 国内模型覆盖广：豆包、千问、DeepSeek、Kimi 等 2-6 折。
☺️ 模型种类齐全，满足各类需求。

按次计算、官网：https://fackai.chat

全模型覆盖，1 元可购 100 次，性价比极高。

总结

恭喜你！通过本教程，你已经掌握了使用 Matplotlib 绘制折线图和散点图的基本方法，并学会了如何对它们进行自定义，以更好地展示你的数据。

回顾一下关键点：

导入库：import matplotlib.pyplot as plt
折线图：使用 plt.plot()，适合展示趋势。
散点图：使用 plt.scatter()，适合观察变量关系。
图表元素：plt.title(), plt.xlabel(), plt.ylabel(), plt.legend(), plt.grid()。
显示图表：最后一定要调用 plt.show()。