Python画图入门：用matplotlib绘制第一张折线图

一、基础准备：认识 matplotlib 与环境安装

matplotlib 是 Python 科学计算与数据分析领域中使用最广泛的绘图工具包。在日常开发中，我们通常不会直接操作其底层的复杂底层接口，而是使用它提供的子模块 matplotlib.pyplot。该模块封装了大量高级绘图函数，其使用风格与 MATLAB 类似，非常契合快速数据探索与可视化分析。

在开始写绘图代码之前，需确保开发环境中已正确安装该库。打开系统的终端（macOS/Linux 为 Terminal，Windows 为 PowerShell 或命令提示符 CMD），执行以下命令进行安装：

pip install matplotlib

如果你使用的是 Jupyter Notebook 或 Anaconda 虚拟环境，可以直接在代码单元格中输入 !pip install matplotlib 并运行。安装完成后，可以通过一段极简的 Python 导入语句来验证是否安装成功：

import matplotlib
import matplotlib.pyplot as plt

print(matplotlib.__version__)

若终端输出了类似 3.8.0 的版本号且没有抛出 ModuleNotFoundError 错误，说明安装无误，可以进入后续代码编写。

二、核心步骤：用 5 行代码绘制第一张折线图

学习绘图最有效的方式是从最小可运行代码入手。新建一个名为 first_plot.py 的文件，输入以下 5 行核心代码并保存：

import matplotlib.pyplot as plt

# 准备横纵轴数据（例如 5 个采样点的序号与数值）
x = [1, 2, 3, 4, 5]
y = [2, 5, 4, 9, 7]

# 执行折线图绘制与渲染呈现
plt.plot(x, y)
plt.show()

在终端中运行该脚本：

python first_plot.py

执行后，你的屏幕上会弹出一个独立的 GUI 绘图窗口。窗口中央绘制了一条连续的蓝色折线，折线的转折点分别对应于 (1, 2)、(2, 5)、(3, 4)、(4, 9) 和 (5, 7) 这五个离散点。

逐行原理解释

• import matplotlib.pyplot as plt：导入 pyplot 并约定俗成地重命名为 plt。以后所有的绘图命令几乎都以 plt. 开头。
• x = [...] 与 y = [...]：分别定义折线图的横轴（自变量）和纵轴（因变量）。在 matplotlib 中，只要是一维可迭代对象（如 Python 原生 list、元组、NumPy 数组或 Pandas Series），都可以直接传入。
• plt.plot(x, y)：核心绘图函数。它做的事情是：按照索引顺序将每一个 (x[i], y[i]) 坐标点定位在二维平面上，然后使用直线段将相邻的点依次首尾连接。如果不指定其他参数，它会自动计算横纵轴的取值范围，并使用默认样式（默认纯实线、默认蓝色）绘制。
• plt.show()：将内存中构建好的图表真正渲染到屏幕上。如果忽略此行，脚本在后台执行完计算后便会直接退出，不会展示任何可视化图形。

三、核心对象解剖：Figure 与 Axes 的层级关系

很多初学者在使用 matplotlib 一段时间后，常常会感到困惑：有时候看到别人用 plt.title()，有时候又看到别人写 ax.set_title()，这两者究竟有什么区别？

理解这一点的关键在于搞清楚 matplotlib 的内部层级架构。在 matplotlib 的世界里，图表是由不同的容器层层嵌套构建而成的：

• Figure（画布）：整个可视化的顶级容器，相当于画家的画板。它包含了窗口的大小（figsize）、背景色、分辨率（DPI）以及上面所有的子图和文字。
• Axes（坐标系/子图）：真正用于绘图的物理区域，相当于画纸上的某个具体区域。折线、柱子、散点等所有图元（Artist）都绘制在 Axes 之上。一个 Figure 可以只包含一个 Axes，也可以划分成网格包含多个 Axes。
• Axis（坐标轴）：位于 Axes 内部的具体维度控制器，分为 XAxis 和 YAxis。它负责刻度线（Ticks）、刻度数值标签（TickLabels）以及轴标题（Label）的计算与放置。
• Line2D（图元线条）：由 plot() 函数生成的具体几何线条，拥有颜色、线宽、线型、标记点等视觉属性。

前面我们在第二节使用的是 plt.plot()，这是 pyplot 快捷接口（它会在后台自动为你创建当前的 Figure 和 Axes）；而在规范的工程代码中，更推荐使用 面向对象接口（Object-Oriented API），即：

# 推荐写法：显式创建画布 figure 与坐标系 ax
fig, ax = plt.subplots(figsize=(8, 4.5))

ax.plot(x, y)
plt.show()

这种写法将画布（fig）和坐标系（ax）明确分开，当你需要在一张图里画多个并列的子图，或者对坐标轴进行精细调整时，逻辑会清晰得多。

四、进阶美化：为第一张折线图赋予完整语义

仅仅画出一条没有标题、没有轴名称的折线，在实际业务和科研报告中是无法被他人看懂的。一张合格的折线图，必须具备清晰的 标题、坐标轴含义及单位、数据图例 以及用于辅助肉眼对齐数值的 参考网格。

下面是一个包含完整语义标注、线条美化及保存功能的完整示例代码：

import matplotlib.pyplot as plt

# 解决中文字体显示问题（Windows 优先选择 SimHei，macOS 优先选择 PingFang HK 或 Arial Unicode MS）
plt.rcParams['font.sans-serif'] = ['PingFang SC', 'Microsoft YaHei', 'SimHei', 'sans-serif']
plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号

# 1. 准备数据
days = ['周一', '周二', '周三', '周四', '周五']
temperatures = [12, 18, 15, 26, 21]

# 2. 创建画布与坐标系
fig, ax = plt.subplots(figsize=(7, 4))

# 3. 绘制带有颜色、虚线以及标记点的折线
ax.plot(days, temperatures, 
        color='#345E82',       # 线条颜色（支持 16 进制颜色码）
        linestyle='--',         # 线型：虚线
        linewidth=2,           # 线条粗细
        marker='o',            # 数据拐点标记：圆形
        markersize=6,          # 标记点大小
        markerfacecolor='#AD8060', # 标记点内部填充色
        label='实测温度')       # 用于图例的文本标签

# 4. 补充图表语义信息
ax.set_title('工作日白天最高气温趋势', fontsize=14, pad=12)
ax.set_xlabel('时间', fontsize=11)
ax.set_ylabel('温度 (°C)', fontsize=11)

# 5. 打开虚线辅助网格
ax.grid(True, linestyle=':', alpha=0.6)

# 6. 显示图例（默认根据 label 自动生成）
ax.legend(loc='upper left')

# 7. 保存图片并展示（注意：保存必须在 show() 之前）
plt.savefig('weekly_temp.png', dpi=300, bbox_inches='tight')
plt.show()

五、入门避坑：初学折线图常见问题与排查

初学者在刚刚接触 matplotlib 时，往往会遇到几个非常典型的问题。通过以下针对性的排查清单，可以快速定位并修复：

1. 中文字符显示为白色方框或乱码

现象：图表标题或坐标轴上的中文汉字变成了方框（□□）或问号，并在终端输出 Glyph missing from current font 警告。
原因：matplotlib 默认使用的无衬线字体是 DejaVu Sans，该英文字体内置字符集并不包含中文字符。
解决方法：在脚本头部配置当前操作系统中已安装的中文字体族：

# 跨平台中文设置配置
plt.rcParams['font.sans-serif'] = ['PingFang SC', 'Microsoft YaHei', 'SimHei', 'sans-serif']
plt.rcParams['axes.unicode_minus'] = False  # 解决坐标轴负号 '-' 显示为方块的问题

2. 保存的图片文件是一张全白空白图

现象：调用了 plt.savefig('output.png')，打开生成的图片后发现整个画面全是空白。
原因：把 plt.savefig() 写在了 plt.show() 之后。在调用 plt.show() 关闭交互窗口后，matplotlib 内部会自动清空当前活动的 Figure 画布。因此后续执行的 savefig() 实际上保存了一块已被清空的空画布。
解决方法：始终在 plt.show() 之前调用 plt.savefig()；或者使用面向对象句柄 fig.savefig('output.png') 保存。

3. 报错：x and y must have same first dimension

现象：控制台抛出 ValueError: x and y must have same first dimension, but have shapes (4,) and (5,)。
原因：传入 plot(x, y) 的 x 列表与 y 列表长度不相等。每个数据点必须具备一个唯一的 x 与 y 对应。
解决方法：在调用前检查 len(x) == len(y)。

六、总结与实践建议

绘制第一张折线图并不复杂，核心脉络可以总结为四个词：导包、列数、连线、修饰。

1. 建立良好习惯：在实际项目中，优先采用 fig, ax = plt.subplots() 的面向对象语法，而不是过度依赖全局 plt 隐式状态机。这样能为以后绘制多子图、双坐标轴或复杂排版打下坚实基础。
2. 控制视觉复杂度：折线图的核心目的是展现“变化趋势”。折线颜色尽量与背景产生明确对比，单张图内同向比较的折线尽量不超过 5 条，必要时配合 marker 和虚线等线型加以辅助区分。
3. 规范保存流程：在自动化脚本或数据处理管道中，结合 matplotlib.use('Agg') 和 plt.savefig('output.png', dpi=300, bbox_inches='tight')，可以稳定输出印刷级的高清矢量或位图文件。