matplotlib是python最经典稳定的二维绘图库，适合科研教学等注重准确性的场景；支持快速绘图、面向对象结构、多种图表类型及样式导出。
Matplotlib 是 Python 最经典、最成熟的二维绘图库，掌握它相当于拿到了数据可视化的“基本通行证”。它不追求炫酷动效，但胜在稳定、可控、可定制性强，特别适合科研、报表、教学等注重准确性和复现性的场景。
一、快速上手：画出第一个折线图
安装后只需几行代码就能出图：
- 用 plt.plot(x, y) 绘制基础折线（x、y 是等长列表或数组）
- 用 plt.xlabel()、plt.ylabel()、plt.title() 添加标签和标题
- 调用 plt.show() 弹出图形窗口（脚本中必须加，jupyter 中可省略）
示例：
import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])
plt.title(“我的第一张图”)
plt.show()
二、图形结构：理解 figure、axes 和 subplot
Matplotlib 的核心是面向对象（OO）接口，推荐显式创建 figure（画布）和 axes（坐标系），避免依赖全局状态：
立即学习“Python免费学习笔记（深入）”；
- plt.figure() 创建新画布，可指定大小：
fig = plt.figure(figsize=(8, 5)) - fig.add_subplot(111) 或更推荐的 fig.subplots() 获取 axes 对象
- 所有绘图操作都通过 ax.plot()、ax.set_title() 等方法进行，清晰可控
多子图时，fig, axs = plt.subplots(2, 2) 会返回 2×2 的 axes 数组，直接用 axs[0, 1].scatter(...) 指定位置绘图。
三、常用图表类型与关键参数
不同图表只需换函数名，但注意关键参数让图更专业：
- 散点图：用
ax.scatter(x, y, s=20, c='red', alpha=0.7)，s控制点大小，c设颜色，alpha调透明度防重叠 - 柱状图：用
ax.bar(labels, values)；横向用barh；多组并列可传入width和调整x坐标实现分组 - 直方图：用
ax.hist(data, bins=30, density=False)，bins控制分组数，density=True可归一化为概率密度 - 图例/网格/刻度：
ax.legend()、ax.grid(True)、ax.set_xticks([0, 1, 2])等按需添加
四、样式与导出：让图拿得出手
默认样式偏朴素，两步提升视觉效果：
- 换风格：运行
plt.style.use('seaborn-v0_8')或'ggplot'等内置样式，立即美化整体配色与边框 - 导出高清图：用
fig.savefig("myplot.png", dpi=300, bbox_inches='tight')，dpi控制分辨率，bbox_inches='tight'自动裁掉空白边距 - 中文显示问题？在绘图前加：
plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS']并设置plt.rcParams['axes.unicode_minus'] = False