matplotlib是Python最常用基础可视化库，安装后导入plt和np，按准备数据→创建图形→显示/保存三步绘图，支持加标题标签网格、中文显示及多子图和柱状图等各类图表。
Python数据可视化最常用、最基础的库就是 matplotlib。它灵活、稳定、文档完善，适合从入门到进阶的各类图表绘制。掌握几个核心步骤，就能快速画出清晰、规范的图表。
一、安装与导入是第一步
确保已安装 matplotlib（推荐用 pip）：
- pip install matplotlib
在代码开头导入常用模块：
- import matplotlib.pyplot as plt（几乎每次都要用）
- import numpy as np（常配合生成示例数据）
二、画图三步走：准备数据 → 创建图形 → 显示/保存
以折线图为例，这是最典型的流程：
立即学习“Python免费学习笔记（深入）”；
- x = np.linspace(0, 10, 100)（准备横轴数据）
- y = np.sin(x)（准备纵轴数据）
- plt.plot(x, y)（调用 plot 绘制）
- plt.show()（弹出窗口查看；若在 Jupyter 中可直接显示）
如果想保存图片，加一句：plt.savefig("my_plot.png")（建议放在 plt.show() 前，否则可能保存为空白）
三、让图表更专业：加标题、标签和网格
默认图表信息太少，几行代码就能提升可读性：
- plt.title("正弦函数图像")
- plt.xlabel("x 轴")
- plt.ylabel("sin(x)")
- plt.grid(True)（开启网格线，增强参考性）
中文显示有时会乱码，可在绘图前加两行解决：
- plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS']
- plt.rcParams['axes.unicode_minus'] = False
四、多子图与常见图表类型
一个图里放多个小图，用 plt.subplot() 或更灵活的 plt.subplots()：
- fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))
- ax1.plot(x, np.sin(x))
- ax2.scatter(x[::10], np.cos(x[::10]))（散点图）
其他常用图表只需换函数名：
- 柱状图：plt.bar()
- 直方图：plt.hist()
- 饼图：plt.pie()
- 箱线图：plt.boxplot()
不复杂但容易忽略。
