Python Matplotlib图表绘制实战：从曲线到散点图

拾柒

发布时间：2026-10-15| 3人浏览过

原创

本文详细介绍如何使用Python的Matplotlib库绘制多种图表。内容涵盖简单曲线、单条正弦曲线、多条曲线循环绘制、直方图统计以及散点图的生成方法，通过具体代码示例解析关键参数与实现步骤，帮助开发者快速掌握数据可视化基础技能。

首先介绍如何绘制基础曲线图。

核心思路是利用三个坐标点来构建并展示曲线形态。

import matplotlib.pyplot as plt
 
plt.plot([1, 3, 5], [4, 8, 10]) # 横坐标：1，3，5，纵坐标：4，8，10
# 显示所画的图
plt.show()

具体运行效果参考对应图示。

接下来演示如何绘制单条曲线图。

实现思路是首先利用linspace函数生成数据，随后在负π到正π的区间内生成100个元素点。

import matplotlib.pyplot as plt
import numpy as np
 
x = np.linspace(-np.pi, np.pi, 100)  # x轴的定义域为-pi到pi，然后在-pi~pi之间定义100个元素
plt.plot(x, np.sin(x))
# 显示所画的图
plt.show()

该操作的运行效果可见对应图示。

进一步探讨如何绘制包含多条曲线的图表。

基本思路是在单条曲线的基础上调整定义域范围，并通过循环遍历plt.plot()函数来依次绘制各条曲线。

import matplotlib.pyplot as plt
import numpy as np
 
x = np.linspace(-np.pi * 2, np.pi * 2, 100)  # x轴的定义域为-2pi~2pi
plt.figure(1, dpi=50) # 创建图表1，精度为50，精度越高，图片产生的体积就越大，图片就越清晰
for i in range(1, 5): # 比如绘制4条曲线
    plt.plot(x, np.sin(x / i))
# 显示所画的图
plt.show()

相关运行效果可参考对应图示。

随后介绍直方图的绘制方法。

主要思路是调用hist()方法进行处理。

import matplotlib.pyplot as plt
 
 
plt.figure(1, dpi=50)  # 创建图表1，dpi代表图片的精细度，dpi越大文件越大
data = [1, 1, 1, 2, 2, 2, 3, 3, 4, 5, 5, 6, 4]
plt.hist(data)  # 只要传入数据，直方图就会统计数据出现的次数
# 显示所画的图
plt.show()

具体运行效果见对应图示。

最后讲解散点图的绘制技巧。

实现思路是使用scatter()方法完成绘制。

import matplotlib.pyplot as plt
import numpy as np
 
x = np.arange(1, 10)
y = x
fig = plt.figure()  # 创建图表
plt.scatter(x, y, c='r', marker='o')  # c='r'表示散点的颜色为红色，marker表示指定三点多形状为圆形
# 显示所画的图
plt.show()

相关运行效果可参考对应图示。