PLT 数据可视化

流程

PLT库的安装和调用

安装Matplotlib3库

pip install matplotlib

导入PLT库

import matplotlib.pyplot as plt

基本用法

例: 用 NumPy 生成数据，用 Matplotlib 把数据画成一条曲线并显示/保存

import numpy as np import matplotlib.pyplot as plt #从matplotlib中导入plt绘图工具

#随机生成数据用于绘图 x = np.arange(2,20,1) print(x) y = (x-1) ** 3 + 1 print(y)

#绘图 plt.plot(x,y)

#展示绘图 plt.show() #保存为图片 plt.savefig('test.png')

图层和工作原理

用PLT作图的层级关系

Figure（整张画布）
 └── Axes（坐标系 / 子图）
      ├── x轴
      ├── y轴
      └── 各种图形（线、点、柱子…）

Figure窗口

在 matplotlib（plt）里，Figure 是“整张画布 / 整个图窗口”，是所有图形的最外层容器。 可以把它理解成：一张白纸，你在上面画图。

创建Figure窗口

plt.figure()

plt.plot ..... #这个窗口内的内容

plt.show()

展示和保存Figure窗口

自动调整子图之间的间距:

​ plt.tight_layout()

展示绘图: plt.show() 保存为图片: plt.savefig('图片名.png')

Figure的参数

plt.figure(填入参数)

1. figsize

控制图像的“物理大小”

figsize=(width, height)

2. dpi

缩放, 每英寸像素点数

plt.figure(figsize=(8, 6), dpi=150)

3. num

Figure 的 编号或名字

用于区分多个窗口

plt.figure(num=1) plt.figure(num="my_figure")

4. facecolor

背景颜色

plt.figure(facecolor='lightgray')

5. edgecolor

Figure 边框颜色

edgecolor='black'

6. frameon

是否显示 Figure 边框

frameon=True

同时显示多个Figure

plt.figure()

plt.plot(10,20)

plt.figure()

plt.plot(30,40)

plt.show()

subplo 子图

​ 用来在同一个 Figure（画布）里创建多个子图（小图）来展示不同内容

基本用法:

​ plt.subplot(nrows, ncols, index)

参数

• nrows：行数
• ncols：列数
• index：当前子图的位置（从 1 开始）

示例

import matplotlib.pyplot as plt import numpy as np

x = np.arange(0, 10)

plt.subplot(1, 2, 1) # 1行2列，第1个 plt.plot(x, x) plt.title("y = x")

plt.subplot(1, 2, 2) # 1行2列，第2个 plt.plot(x, x**2) plt.title("y = x^2")

plt.show()

绘制内容

展示图片

基础绘制图片

​ plt.imshow()

import matplotlib.pyplot as plt
import matplotlib.image as mpimg

# 读取图片
img = mpimg.imread('example.png')  # 支持png、jpg等

# 显示图片
plt.imshow(img)
plt.show()

调整坐标轴和显示效果

plt.imshow(img)
plt.axis('off')   # 关闭坐标轴
plt.title("My Image")  # 添加标题
plt.show()

灰度图显示

如果是灰度图片，可以用 cmap='gray'

plt.imshow(img, cmap='gray')
plt.axis('off')
plt.show()

绘制 NumPy 数组

你可以直接用二维数组绘制图片

import numpy as np

data = np.random.rand(100, 100)  # 生成100x100随机数组
plt.imshow(data, cmap='viridis')  # 热力图样式
plt.colorbar()
plt.show()

绘制折线图 - 趋势

​ plt.plot(x, y)

用途：

• 数据变化趋势
• 训练 loss / accuracy
• 时间序列

实例:

import matplotlib.pyplot as plt

# x 和 y 数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 绘制折线图
plt.plot(x, y)

# 显示图形
plt.show()

解释：

• x：横坐标数据（可选，如果不提供，默认是 [0, 1, 2, ...]）
• y：纵坐标数据（必须提供）
• plt.show()：显示图表

常用参数

​ plt.plot(x, y, fmt, **kwargs)

示例

plt.plot(x, y, color='green', linestyle='--', marker='o', linewidth=2, markersize=6, label='示例折线')
plt.legend()  # 显示图例
plt.show()

绘制散点图 - 点的分布

​ plt.scatter()

用途：

• 数据分布
• 线性关系
• 聚类可视化

实例:

import matplotlib.pyplot as plt

# x 和 y 数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 绘制散点图
plt.scatter(x, y)

# 显示图形
plt.show()

解释：

• x：横坐标数据
• y：纵坐标数据
• plt.show()：显示图表

常用参数

​ plt.scatter(x, y, **kwargs)

实例

plt.scatter(x, y, s=100, c='green', marker='^', alpha=0.6, label='示例点')
plt.legend()  # 显示图例
plt.show()

柱状图 - 对比

​ plt.bar(x, y)

用途：

• 类别数量对比
• 特征重要性

实例:

import matplotlib.pyplot as plt

# x 表示类别，y 表示数值
x = ['A', 'B', 'C', 'D']
y = [10, 15, 7, 12]

# 绘制柱状图
plt.bar(x, y)

# 显示图形
plt.show()

解释：

• x：类别标签
• y：对应数值
• plt.show()：显示图表

常用参数

示例

plt.bar(x, y, color='skyblue', edgecolor='black', width=0.6, label='数量')
plt.legend()
plt.show()

水平柱状图

​ plt.barh(y, width)

参数含义：

• y：每个柱子在 纵轴上的位置 / 类别
• width：柱子的 长度（数值大小），沿 x 轴方向

直方图 - 分布情况

用途：

• 数据是否正态
• 查看偏态 / 离群值

绘图中的图例和属性

常用坐标与图例参数

坐标轴标签与标题

坐标轴显示与控制

坐标轴刻度（ticks）相关

网格（grid）相关

其他图例参数

在图表中的指定位置添加文本

plt.text()

基本语法

​ plt.text(x, y, s, fontdict=None, **kwargs)

参数说明：

x：文本的 x 坐标（数据坐标系）

y：文本的 y 坐标（数据坐标系）

s：要显示的字符串

fontdict：可选，字体字典，如 {'size': 12, 'color': 'red', 'weight': 'bold'}

**kwargs：其他可选参数，如：

color：文字颜色

fontsize：字体大小

rotation：旋转角度

ha / va：水平/垂直对齐方式（'center', 'left', 'right'）

示例

import matplotlib.pyplot as plt

x = [1, 2, 3]
y = [4, 5, 6]

plt.plot(x, y, marker='o')

# 在坐标点(2,5)添加文本
plt.text(2, 5, '这是点(2,5)', color='blue', fontsize=12, ha='left', va='bottom')

plt.show()

在图中添加带箭头的注

在图中添加带箭头或指向特定点的文本注释

plt.annotate()

基本语法:

plt.annotate(
    text,                # 显示的文本
    xy,                  # 注释指向的点 (x, y)
    xytext=None,         # 文本显示的位置 (x, y)，默认与 xy 相同
    xycoords='data',     # xy 的坐标系，常用 'data' 或 'axes fraction'
    textcoords='data',   # xytext 的坐标系
    arrowprops=None,     # 箭头属性字典
    fontsize=None,       # 字体大小
    color=None,          # 字体颜色
    **kwargs
)

参数说明

text：要显示的文字

xy：箭头指向的数据坐标 (x, y)

xytext：文本显示的坐标 (x, y)，可以不与箭头重合

xycoords / textcoords：坐标系，可选：

'data' → 数据坐标

'axes fraction' → 图像轴的比例坐标（0~1）

arrowprops：箭头样式字典，例如：

arrowprops = dict(facecolor='black', shrink=0.05)

示例

简单注释

import matplotlib.pyplot as plt

x = [1, 2, 3]
y = [4, 5, 6]

plt.plot(x, y, marker='o')



for i, j in zip(x, y):
    plt.annotate(f'({i},{j})', xy=(i,j), xytext=(i+0.1,j+0.1),
                 arrowprops=dict(arrowstyle='->', color='gray'))


plt.show()

标注每个点(遍历)

import matplotlib.pyplot as plt

x = [1, 2, 3]
y = [4, 5, 6]

plt.plot(x, y, marker='o')

for i, j in zip(x, y):
    plt.annotate(f'({i},{j})', xy=(i,j), xytext=(i+0.1,j+0.1),
                 arrowprops=dict(arrowstyle='->', color='gray'))

plt.show()

在整个figure 坐标系中放文字

plt.figtext() - 在 整个 Figure（画布）上 添加文本的函数

基本语法:

matplotlib.pyplot.figtext(x, y, s, fontdict=None, **kwargs)

常见参数

x：文本的水平位置（0~1，0是左边，1是右边）

y：文本的垂直位置（0~1，0是底部，1是顶部）

s：文本内容（字符串）

fontdict：字体字典，可以设置字体大小、颜色、样式等

**kwargs：其他参数，如 color、ha（水平对齐）、va（垂直对齐）等

示例

import matplotlib.pyplot as plt

plt.plot([1, 2, 3], [4, 5, 6])

# 在Figure左下角添加文本
plt.figtext(0.1, 0.1, "这是Figure上的文本", fontsize=12, color='red')

plt.show()