matplotlib

Matplotlib - Python 数据可视化绘图技能

技能概述

Matplotlib 是 Python 基础可视化库，用于创建静态、动画和交互式图表。当你需要对每个图表元素进行精细控制、创建新型图表，或将可视化集成到特定科学工作流时，使用此技能。

适用场景

1. 科研论文与学术出版

创建符合期刊要求的出版级多面板图表。支持导出 PNG、PDF、SVG 等矢量格式，精确控制 DPI、颜色映射、字体样式，满足学术发表对图表质量的严格要求。

2. 科学数据探索与分析

配合 NumPy/Pandas 进行数据可视化。支持折线图、散点图、柱状图、直方图、热力图、等高线图、箱线图等多种图表类型，适用于时间序列分析、统计分布、相关性分析等科学计算场景。

3. 自定义可视化开发

当需要超越预设图表类型，创建独特可视化效果时使用。提供面向对象 API（Figure/Axes）实现对每个图表元素的完全控制，包括布局、样式、标注、动画等，可集成到 Jupyter Notebook 或 GUI 应用中。

核心功能

1. 多样化图表类型

支持 10+ 种常见图表类型：折线图（时间序列、趋势）、散点图（变量关系）、柱状图（分类对比）、直方图（数据分布）、热力图（矩阵数据）、等高线图（3D 数据投影）、箱线图、小提琴图、3D 表面图等。

2. 精细样式控制

提供多种样式表（seaborn、ggplot 等），支持 rcParams 全局配置、自定义颜色映射、字体设置、图例位置、网格样式等。可创建颜色友好的可访问性图表，适合学术出版和报告展示。

3. 灵活布局与导出

支持规则网格、马赛克布局、GridSpec 等多种子图排列方式。自动处理元素重叠（constrained_layout）。可导出高分辨率位图（300+ DPI）或矢量格式（PDF/SVG），确保图表在不同媒介下清晰呈现。

常见问题

matplotlib 和 seaborn 有什么区别？

matplotlib 是底层绘图库，提供对每个元素的完全控制；seaborn 是基于 matplotlib 的高层统计绘图库。如果你需要快速绘制统计图表、使用预设的美观样式，选 seaborn；如果需要创建自定义图表、精细控制每个元素或集成特定工作流，用 matplotlib。两者可以配合使用。

如何创建出版级的多面板图表？

使用面向对象接口 fig, axes = plt.subplots() 创建图形。推荐使用 constrained_layout=True 自动处理间距，或用 GridSpec 实现复杂布局。导出时设置 dpi=300（论文）、bbox_inches='tight' 去除多余空白。根据期刊要求选择 PDF/SVG 矢量格式或高分辨率 PNG。

pyplot 接口和面向对象接口有什么区别？

pyplot 是 MATLAB 风格的隐式接口，适合快速交互绘图；面向对象接口（fig, ax）显式管理 Figure 和 Axes 对象，推荐用于生产代码。面向对象方式更适合多子图布局、复杂图表定制和代码维护，能避免 pyplot 状态机可能导致的混乱。