Python Matplotlib基础绘图：从入门到自定义详解

Jasper

发布时间：2026-10-12| 6人浏览过

原创

本文详细介绍Python中Matplotlib库的基础绘图方法。通过分步代码示例，讲解如何绘制单线图、多线图及自定义样式（如颜色、线型、标记）。涵盖坐标轴命名、标题设置、图例添加及范围调整等核心操作，帮助开发者快速掌握数据可视化技能。

1、绘制第一个图形

我们从最简单的示例开始学习。

1.1 代码实现

# importing the required module

import matplotlib.pyplot as plt



# x axis values

x = [1,2,3]

# corresponding y axis values

y = [2,4,1]



# plotting the points

plt.plot(x, y)



# naming the x axis

plt.xlabel('x - axis')

# naming the y axis

plt.ylabel('y - axis')



# giving a title to my graph

plt.title('My first graph!')



# function to show the plot

plt.show()

1.2 运行结果

1.3 代码解析

1）首先，将x轴对应的数值和y轴对应的数值分别定义为列表。
2）调用.plot()函数，在画布上绘制出这些点。
3）利用.xlabel()和.ylabel()函数，分别为x轴和y轴添加名称标签。
4）通过.title()函数，为整个绘图添加标题。
5）最后调用.show()函数，展示生成的绘图结果。
2、在同一图表中绘制多条线条

2、在同一图表中绘制多条线条

若希望在同一张图上绘制多条线，只需反复调用.plot()函数即可。

2.1 代码实现

import matplotlib.pyplot as plt



# line 1 points

x1 = [1,2,3]

y1 = [2,4,1]

# plotting the line 1 points

plt.plot(x1, y1, label = "line 1")



# line 2 points

x2 = [1,2,3]

y2 = [4,1,3]

# plotting the line 2 points

plt.plot(x2, y2, label = "line 2")



# naming the x axis

plt.xlabel('x - axis')

# naming the y axis

plt.ylabel('y - axis')

# giving a title to my graph

plt.title('Two lines on same graph!')



# show a legend on the plot

plt.legend()



# function to show the plot

plt.show()

2.2 运行结果

2.3 代码解析

1）在同一张图上绘制两条线。通过为每条线指定名称（label参数），并在.plot()函数中传递该名称，从而区分不同线条。
2）图例是显示线条类型及其颜色信息的小矩形框。可以使用.legend()函数为绘图添加图例说明。

3、自定义绘图样式

接下来讨论适用于大多数场景的基本自定义设置。

3.1 代码实现

import matplotlib.pyplot as plt



# x axis values

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

# corresponding y axis values

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



# plotting the points

plt.plot(x, y, color='green', linestyle='dashed', linewidth = 3,marker='o', markerfacecolor='blue', markersize=12)



# setting x and y axis range

plt.ylim(1,8)

plt.xlim(1,8)



# naming the x axis

plt.xlabel('x - axis')

# naming the y axis

plt.ylabel('y - axis')



# giving a title to my graph

plt.title('Some cool customizations!')



# function to show the plot

plt.show()