Python数据可视化入门：用Matplotlib绘制第一张图表

一、核心操作流程与基础准备

在 Python 中使用 Matplotlib 绘图并不复杂，整个工作流程可以拆解为五个清晰的阶段：安装与引入模块、准备二维数据、构建画布与坐标系、绘制图形与添加修饰、最终渲染或导出文件。

在开始写代码前，首先需要在你的 Python 环境中安装 Matplotlib。打开终端或命令提示符，执行以下安装命令：

pip install matplotlib

安装完成后，在 Python 脚本或 Jupyter Notebook 中，通常约定俗成将核心子模块 matplotlib.pyplot 简写导入为 plt：

import matplotlib.pyplot as plt

二、理解 Matplotlib 核心架构：Figure 与 Axes

初学者使用 Matplotlib 遇到的第一个认知障碍，通常是混淆了“画布”与“子图”。Matplotlib 提供了两种绘图接口风格：

• pyplot 状态机风格：直接调用 plt.plot()、plt.title()。虽然快捷，但在处理多图或复杂控制时代码容易混乱。
• 面向对象风格（推荐）：显式通过 fig, ax = plt.subplots() 创建对象。其中 fig（Figure）代表整个图像窗口或物理页面，而 ax（Axes）才是真正包含坐标轴、刻度、数据线和图例的绘图区域。

三、完整实战：绘制第一张气温走势折线图

下面我们以一个生活常见的例子——“记录一周气温走势”为具体场景，写出标准的 Python 绘图代码。每个步骤都配有详尽说明，读者可以直接复制运行。

import matplotlib.pyplot as plt

# 1. 设置中文字体与负号正常显示（关键避坑）
plt.rcParams['font.sans-serif'] = ['PingFang SC', 'Microsoft YaHei', 'SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 2. 准备数据
days = ['周一', '周二', '周三', '周四', '周五', '周六', '周日']
temperatures = [15, 17, 14, 18, 21, 19, 22]

# 3. 创建画布(Figure)和坐标系(Axes)
fig, ax = plt.subplots(figsize=(8, 4.5), dpi=100)

# 4. 在坐标系上绘制折线图，设置线宽、颜色与数据点标记
ax.plot(days, temperatures, marker='o', color='#17324D', linewidth=2, label='日最高气温')

# 5. 添加标题、坐标轴说明
ax.set_title('城市一周最高气温走势', fontsize=14, pad=12)
ax.set_xlabel('星期', fontsize=11)
ax.set_ylabel('气温 (°C)', fontsize=11)

# 6. 开启网格辅助线并显示图例
ax.grid(True, linestyle='--', alpha=0.5)
ax.legend(loc='upper left')

# 7. 先保存图片，再调用 show 渲染
fig.savefig('temperature_trend.png', dpi=300, bbox_inches='tight')
plt.show()

为了让大家直观理解每一行代码与最终图表构件的对应关系，我们来看下面的映射关系：

四、初学者最常遇到的两大约束与避坑方案

五、核心要点总结与速查清单

通过本文的学习，你已经掌握了使用 Matplotlib 绘制第一张折线图的标准姿势。在日常数据探索与科学计算中，牢记以下三项决策与检查标准：

掌握了折线图的绘制逻辑后，后续学习柱状图（ax.bar）、散点图（ax.scatter）或直方图（ax.hist）时，除了图形绘制方法不同，整体的画布构建、坐标系配置与保存逻辑均完全相通。