Matplotlib - Python 数据可视化绘图库完整指南

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，提供从简单折线图到复杂出版级科学图表的完整绘图解决方案。

适用场景

1. 科研论文与学术出版：创建符合期刊要求的多面板科学图表，支持 PNG、PDF、SVG 等高质量导出格式，适合投稿和演示
2. 数据分析与探索：在 Jupyter Notebook 中进行交互式数据可视化，支持快速生成折线图、散点图、热力图等多种图表类型
3. 定制化图表开发：需要精细控制每个图表元素（颜色、字体、布局），或开发新颖的可视化类型，集成到特定科学工作流中

核心功能

1. 多样化图表类型：支持折线图、散点图、柱状图、直方图、热力图、等高线图、箱线图、小提琴图等常见图表类型，以及 3D 曲面图和 3D 散点图等高级可视化
2. 双层 API 设计：提供 pyplot 接口（MATLAB 风格）用于快速绘图，和面向对象接口（Figure/Axes）用于复杂图表的精细控制，满足从简单到高级的各种需求
3. 专业样式与导出：内置样式表和 rcParams 配置系统，支持 300 DPI 高分辨率导出、透明背景、矢量格式（PDF/SVG），确保图表达到出版质量标准

常见问题

matplotlib 如何设置中文显示？

中文显示问题通常需要配置字体。可以通过以下方式解决：

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

如果系统缺少中文字体，可以安装对应的字体包或使用其他包含中文的字体。

matplotlib 和 seaborn 有什么区别，该用哪个？

matplotlib 是底层绘图库，提供精细控制但代码量较多；seaborn 基于 matplotlib，提供高级统计图表接口，代码简洁但定制性较弱。选择建议：

• 快速统计图表：用 seaborn
• 出版级定制图表：用 matplotlib
• 复杂多面板布局：用 matplotlib 面向对象接口
• 可以两者结合使用，seaborn 绘图后用 matplotlib 微调

如何保存高分辨率图片用于论文投稿？

使用 savefig() 方法并设置合适的参数：

fig.savefig('figure.png', dpi=300, bbox_inches='tight', facecolor='white')

关键参数：

• dpi=300：出版级分辨率（网页用 150，屏幕用 72）
• bbox_inches='tight'：自动裁剪多余空白
• facecolor='white'：确保白色背景
• 支持导出为 PDF/SVG 矢量格式，保证放大不失真

如何在 Jupyter notebook 中使用 matplotlib？

首先安装交互式后端：

uv add matplotlib ipympl

在 notebook 中运行：

%matplotlib widget  # 或 %matplotlib ipympl

这样图表可以在 notebook 中交互式缩放和操作。如果不需要交互，使用 %matplotlib inline 即可。

matplotlib 适合交互式可视化吗？

matplotlib 主要设计用于静态图表和动画，虽然支持基本的交互功能（如缩放、平移），但对于复杂的交互式可视化（如悬停提示、动态更新），建议使用 plotly 或 bokeh 等专门的交互式可视化库。matplotlib 更适合生成最终输出的静态图表。

如何创建多子图布局？

matplotlib 提供三种布局方式：

1. 规则网格：plt.subplots(2, 2) 创建 2×2 网格
2. 马赛克布局：plt.subplot_mosaic() 灵活排列子图
3. GridSpec：最大控制力，精确指定每个子图位置

面向对象接口推荐使用 constrained_layout=True 自动处理子图间距，避免元素重叠。