2024年Python最全Python-Matplotlib可视化（1）——一文详解常见统计图的绘制(1)

import matplotlib.pyplot as plt

x = range(50)

y = [value * 2 for value in x]

plt.plot(x, y)

plt.show()

上述代码将会绘制曲线y=2*x，其中x在[0，50]范围内，如下所示：

可以看到窗口上方还包含多个图标，其中：

| 项目 | Value |

| — | — |

| | 此按钮用于将所绘制的图形另存为所需格式的图片，包括png，jpg，pdf，svg等常见格式 |

| | 此按钮用于调整图片的尺寸，边距等图片属性 |

| | 此按钮用于缩放图片，用于观察图形细节，单击此按钮后，在图形上使用鼠标左键拖拽进行放大，使用鼠标右键拖拽进行缩小 |

| | 此按钮用于移动图形，可以与“缩放”按钮结合观察放大后图片的具体细节，同时，单击此按钮后，在图形上使用鼠标右键拖拽可以缩放坐标轴的比例 |

| | 此按钮用于将图形恢复到其初始状态，取消缩放、移动等操作 |

Tips：plt.plot(x, y)用于绘制一条曲线，其中，曲线点的x坐标在列表x中给出，曲线点的y坐标在列表y中给出。

由于matplotlib它只专注于绘图，因此如果想从文件中读取输入或进行一些中间计算，那么必须使用Python模块，但不用担心，matplotlib与其他模块具有良好的兼容性，并不涉及过多的技巧。例如，要生成大量统计图形，可能需要使用科学计算包，如Numpy和Python的文件读取I/O模块。在接下来的讲解中会给出相应的示例。

结合Numpy库，绘制曲线图

绘制曲线cos(x)，x在[0, 2*pi]区间内：

cos_1.py

import math

import matplotlib.pyplot as plt

scale = range(100)

x = [(2 * math.pi * i) / len(scale) for i in scale]

y = [math.cos(i) for i in x]

plt.plot(x, y)

plt.show()

若采用Numpy库，则可以使用以下等效代码：

cos_2.py

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 100)

y = np.cos(x)

plt.plot(x, y)

plt.show()

所绘制图形如下所示：