第二章、使用 matplotlib 绘制简单图表

学习目标

★掌握 matplotlib 的绘图函数，并能绘制简单的图表

第 1 章使用 matplotlib 快速绘制了一个图表，让读者真切体会到 matplotlib 的强大之处。

matplotlib 之所以能成为如此优秀的绘图工具，离不开其丰富的 API，使用这些 API 可以轻松

绘制常见的图表，使数据可视化变得轻而易举。本章将带领大家了解 matplotlib.pyplot 的绘图

函数，并使用这些函数绘制简单的图表，包括折线图、柱形图或堆积柱形图、条形图或堆积

条形图、堆积面积图、直方图、饼图或圆环图、散点图或气泡图、箱形图、雷达图、误差棒图。

2.1　绘制折线图

2.1.1　使用 plot() 绘制折线图

使用 pyplot 的 plot() 函数可以快速绘制折线图。plot() 函数的语法格式如下所示 ：

plot(x, y, fmt, scalex=True, scaley=True, data=None, label=None,

* args, ** kwargs)

该函数常用参数的含义如下。

· x ：表示 x 轴的数据。

· y ：表示 y 轴的数据。

·fmt ：表示快速设置线条样式的格式字符串。

·label ：表示应用于图例的标签文本。

plot() 函数会返回一个包含 Line2D 类对象（代表线条）的列表。

使用 pyplot 的 plot() 函数还可以绘制具有多个线条的折线图，通过以下任意一种方式均

可以完成。

（1）多次调用 plot() 函数来绘制具有多个线条的折线图，示例代码如下 ：

plt.plot(x1, y1)

plt.plot(x2, y2)

（2）调用 plot() 函数时传入一个二维数组来绘制具有多个线条的折线图。例如，将二维

数组 arr 的第一行数据作为 x 轴的数据、其他行数据全部作为 y 轴的数据，代码如下。

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])

plt.plot(arr[0], arr[1:])

（3）调用 plot() 函数时传入多组数据来绘制具有多个线条的折线图，示例代码如下 ：

plt.plot(x1, y1, x2, y2)

2.1.2　实例 1 ：未来 15 天最高气温和最低气温

俗话说“天有不测风云”，说明天气是变幻莫测的。人们的生活离不开天气预报，无论 第 2 章 　使用 matplotlib 绘制简单图表 023

是居家还是外出，人们都时刻关注着天气的变化，以便随时备好伞具、增减衣服，或者为出

行计划做好准备。表 2-1 是 9 月 3 日预测的北京市未来 15 天的最高气温和最低气温。

根据表 2-1 的数据，将“日期”这一列的数据作为 x 轴的数据，将“最高气温”和“最

低气温”两列的数据作为 y 轴的数据，使用 plot() 函数绘制反映最高气温和最低气温趋势的

折线图，具体代码如下。

In [1]:

# 01_maximum_minimum_temperatures

import matplotlib.pyplot as plt

import numpy as np

x = np.arange(4, 19)

y_max = np.array([32, 33, 34, 34, 33, 31, 30, 29, 30, 29, 26, 23, 21, 25, 31])

y_min = np.array([19, 19, 20, 22, 22, 21, 22, 16, 18, 18, 17, 14, 15, 16, 16])

# 绘制折线图

plt.plot(x, y_max)

plt.plot(x, y_min)

plt.show()

以上代码首先导入了 matplotlib.pyplot 和 numpy 模块，分别将这两个模块重命名为 plt 和

np，其次将表 2-1 的数据分别作为 x 轴和 y 轴的数据，然后连续两次调用 plot() 函数分别绘

制了两条折线，最后调用 show() 函数进行展示。

运行程序，效果如图 2-1 所示。

图 2-1 中， x 轴代表日期， y 轴代表温度，位于上方的蓝色折线和下方的橙色折线分别

代表最高温度和最低温度。由图 2-1 可知，北京市未来 15 天的最高气温和最低气温都呈现

逐步下降后反弹的趋势。

2.2　绘制柱形图或堆积柱形图

2.2.1　使用 bar() 绘制柱形图或堆积柱形图

使用 pyplot 的 bar() 函数可以快速绘制柱形图或堆积柱形图。bar() 函数的语法格式如下

所示 ：

bar(x, height, width=0.8, bottom=None, align='center',

data=None, tick_label=None, xerr=None, yerr=None,

error_kw=None, ** kwargs)

该函数常用参数的含义如下。

·x ：表示柱形的 x 坐标值。

·height ：表示柱形的高度。

·width ：表示柱形的宽度，默认为 0.8。

·bottom ：表示柱形底部的 y 坐标值，默认为 0。

·align ：表示柱形的对齐方式，有 'center' 和 'edge' 两个取值，其中 'center' 表示将柱形与

刻度线居中对齐 ；'edge' 表示将柱形的左边与刻度线对齐。

·tick_label ：表示柱形对应的刻度标签。

·xerr，yerr ：若未设为 None，则需要为柱形图添加水平 / 垂直误差棒。

·error_kw ：表示误差棒的属性字典，字典的键对应 errorbar() 函数（2.10 节会介绍）的

关键字参数。

bar() 函数会返回一个 BarContainer 类的对象。BarContainer 类的对象是一个包含矩形或误

差棒的容器，它亦可以视为一个元组，可以遍历获取每个矩形条或误差棒。此外，BarContainer

类的对象也可以访问 patches 或 errorbar 属性，从而获取图表中所有的矩形条或误差棒。

例如，使用 bar() 函数绘制柱形图，代码如下。

In [2]:

import numpy as np

import matplotlib.pyplot as plt

x = np.arange(5)

y1 = np.array([10, 8, 7, 11, 13])

# 柱形的宽度

bar_width = 0.3

# 绘制柱形图

plt.bar(x, y1, tick_label=['a', 'b', 'c', 'd', 'e'], width=bar_width)

plt.show()

运行程序，效果如图 2-2 所示。

使用 pyplot 的 bar() 函数还可以绘制具有多组柱形的柱形图。例如，使用 bar() 函数绘制

一个具有两组柱形的柱形图，代码如下。

In [3]:

x = np.arange(5)

y1 = np.array([10, 8, 7, 11, 13])

y2 = np.array([9, 6, 5, 10, 12])

# 柱形的宽度

bar_width = 0.3

# 根据多组数据绘制柱形图

plt.bar(x, y1, tick_label=['a', 'b', 'c', 'd', 'e'], width=bar_width)

plt.bar(x + bar_width, y2, width=bar_width)

plt.show()

运行程序，效果如图 2-3 所示。

在使用 pyplot 的 bar() 函数绘制图表时，可以通过给 bottom 参数传值的方式控制柱形的 y

值，使后绘制的柱形位于先绘制的柱形的上方。例如，使用 bar() 函数绘制由两组柱形堆叠而

成的堆积柱形图，代码如下。

运行程序，效果如图 2-4 所示。

此外，在使用 pyplot 的 bar() 函数绘制图表时可以通过给 xerr、yerr 参数传值的方式为柱

形添加误差棒，示例代码如下 ：

In [5]:

# 偏差数据

error = [2, 1, 2.5, 2, 1.5]

# 绘制带有误差棒的柱形图

plt.bar(x, y1, tick_label=['a', 'b', 'c', 'd', 'e'], width=bar_width)

plt.bar(x, y1, bottom=y1, width=bar_width, yerr=error)

plt.show()

运行程序，效果如图 2-5 所示。