1 figure 与 axes —— 画布与坐标系

是什么？为什么学？

figure（画布）是整张图，axes（坐标系）是画布上真正画图的那块区域。matplotlib 所有绘图都遵循同一模式：先有画布，再建坐标系，最后往里画东西。不理解这两个概念，画多子图、调布局时一定绕晕——这是今天最重要的 10%。前面 24 天我们学会处理数据，但一堆数字摆在那里，人很难一眼看出规律——图表是给眼睛看的，今天学 Python 最常用的绘图库 matplotlib。

底层原理

plt.subplots() 一次创建两者，返回 (figure, axes)。plt.plot() 这类快捷写法内部也偷偷创建了默认 figure + 默认 axes（pyplot 状态机机制）。一个 figure 能装多个 axes：plt.subplots(1, 2) 返回「一行两列」的 axes 数组，每个元素是独立坐标系。

生活类比

figure 像一张画纸，axes 像画纸上的取景框：一张纸可排好几个取景框（多子图），整张纸就是最终交给别人的那张图。

注意事项总结

1 figure 与 axes 的分工（离线可跑，图保存到 Temp 目录）：

import os
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"]
plt.rcParams["axes.unicode_minus"] = False

os.makedirs("Temp", exist_ok=True)      # 确保 Temp 目录存在
fig, ax = plt.subplots()                # 画布 + 坐标系
ax.plot([1, 2, 3, 4], [1, 4, 9, 16])    # 往坐标系里画折线
ax.set_title("y = x^2")                 # axes 自带设置方法
plt.savefig("Temp/day25_fig_axes.png", dpi=150)

fig, ax = plt.subplots() 同时拿到画布和坐标系；ax.plot(...) 往坐标系里画线（注意是 ax. 不是 plt.）；savefig 保存的是整个 figure。

2 一个画布装两个坐标系（离线可跑）：

fig, axes = plt.subplots(1, 2, figsize=(8, 3))  # 1 行 2 列
axes[0].plot([1, 2, 3], [1, 2, 3])              # 左框：直线
axes[1].bar(["A", "B", "C"], [3, 1, 2])         # 右框：柱状
plt.tight_layout()
plt.savefig("Temp/day25_subplots.png", dpi=150)

subplots(1, 2) 返回坐标系数组，按下标 axes[0] / axes[1] 分别画图。多子图用 plt.subplots(2, 2) 后用 axes[0, 0].plot(...) 指定子图。

易错点

• 错误写法：axes.plot(...)（axes 是数组时） → 问题：数组没有 .plot，报 AttributeError → 正确写法：按下标取单个：axes[0].plot(...)。
• 错误写法：plt.plot() 和 ax.set_title() 混用 → 问题：标题加不到刚画的那张图上 → 正确写法：要么全用 plt.xxx()，要么全用 ax.xxx()。

记忆口诀：figure 是画纸，axes 是取景框；一张纸可排多框，先建后画不慌忙。

2 绘图三步法 —— 数据、类型、样式

是什么？为什么学？

任何一张 matplotlib 图表都只有三步：准备数据 → 选图表类型并传入数据 → 调样式。今天要学的四种图都是这三步的变体。把「三步法」刻在脑子里，遇到新图表类型也不会慌。

底层原理

每种图对应一个绘图函数：plt.plot(x, y) 把点连成线（连续数据看趋势）；plt.bar(x, y) 为每个类别画柱子（离散类别比大小）；plt.scatter(x, y) 只画点不连线（找两个变量的关系）；plt.pie(values) 按占比画扇形（看部分占整体多少）。样式参数：color 颜色、linestyle 线型（-- 虚线）、marker 数据点标记（o 圆点）。

生活类比

像做 PPT 图表：先有数据表（准备数据），再选图表类型（柱状还是折线），最后换配色（调样式）。数据没准备好就选类型，等于没量尺寸就裁衣服。

注意事项总结

1 三步法画一张精致的折线图（离线可跑）：

import os
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"]
plt.rcParams["axes.unicode_minus"] = False

os.makedirs("Temp", exist_ok=True)
months = [1, 2, 3, 4, 5, 6]          # 第一步：准备数据
temperature = [5, 8, 15, 22, 28, 33]

plt.plot(months, temperature, color="red", linestyle="--", marker="o")
plt.title("上半年气温变化")
plt.xlabel("月份")
plt.ylabel("气温（℃）")
plt.savefig("Temp/day25_line.png", dpi=150)

先准备两个等长列表 x=months、y=temperature；plt.plot(...) 画折线，color 红、linestyle="--" 虚线、marker="o" 数据点画圈；title/xlabel/ylabel 配齐三要素。

2 四种图的选择：折线看趋势、柱状比大小、散点找相关、饼图看占比。横向柱状图 barh 适合科目名很长的情况；饼图 autopct="%.1f%%" 在每块上显示百分比，explode 让某块突出。

易错点

• 错误写法：plt.plot(x) 只传一个列表 → 问题：x 自动变成下标 0,1,2…，图与预期不符 → 正确写法：成对传：plt.plot(x, y)。
• 错误写法：x、y 长度不同 → 问题：报 ValueError: x and y must have same first dimension → 正确写法：先 print(len(x), len(y)) 检查对齐。

记忆口诀：先数据后类型再样式，三步画图不慌张；趋势折线、比大小柱状、找关系散点、看占比饼图。

3 中文显示与 rcParams —— 字体配置

是什么？为什么学？

matplotlib 的默认字体不含中文字形，直接画中文标题会变成方框（□）。解决办法：脚本开头用 plt.rcParams 指定系统中文字体。注意：不同系统的字体名不同——Windows 自带 SimHei（黑体），macOS 是 “Arial Unicode MS” 或 “PingFang SC”，Linux 常见 “Noto Sans CJK SC”。

底层原理

plt.rcParams 是 matplotlib 的全局配置字典，font.sans-serif 是「无衬线字体候选列表」，渲染时按列表顺序找字体，找不到中文字形就退回默认英文字体，中文变方框（专业说法叫 tofu）。axes.unicode_minus = False 让负号用普通连字符「-」渲染，否则负号按 Unicode 数学符号处理照样变方框。

生活类比

像给打印机装字库：打印机（matplotlib）默认只认识英文字库，打中文就是 □□□；装上中文字库（rcParams 指定字体）之后，中文才能正常打印出来。

注意事项总结

1 配置中文字体 + 验证字体真的可用（离线可跑）：

import os
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm

plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"]
plt.rcParams["axes.unicode_minus"] = False

os.makedirs("Temp", exist_ok=True)
fonts = [f.name for f in fm.fontManager.ttflist]   # 系统已注册字体名
print("SimHei 可用：", "SimHei" in fonts)

plt.plot([1, 2, 3, 4], [10, 5, -5, 12], marker="o")
plt.title("中文标题测试：气温变化")
plt.savefig("Temp/day25_chinese.png", dpi=150)

fm.fontManager.ttflist 是系统已注册字体列表，"SimHei" in fonts 检查黑体是否可用——建议先跑这行确认字体存在再画图。运行后中文标题清清楚楚，纵轴负数 -5 也显示正常。

2 所有画图脚本开头的标准两行：

import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"]
plt.rcParams["axes.unicode_minus"] = False   # 让负号正常显示

易错点

• 错误写法：只配 font.sans-serif 不配 axes.unicode_minus → 问题：负号（如 -5）显示成方框 → 正确写法：两行一起写。
• 错误写法：macOS / Linux 上照抄 SimHei → 问题：系统没装黑体，中文还是方框 → 正确写法：换成本机字体名（macOS 用 “Arial Unicode MS”）。

记忆口诀：开头两行 rcParams，中文方框不再见；字体名随系统换，负号配置别忘关。

4 savefig 保存图片 —— 先保存，再显示

是什么？为什么学？

plt.savefig("文件名.png", dpi=150) 把当前 figure 保存成图片文件，报告、PPT、作业提交全靠它。服务器没有图形界面、以及自动化批量出图的场景，savefig 是唯一的取图方式。

底层原理

savefig 按格式写入文件：.png 位图（清晰度由 dpi 控制）、.jpg 位图（体积小但有损）、.svg / .pdf 矢量图（无限放大不模糊）。dpi（dots per inch，每英寸点数）越高越清晰，默认 100，写报告用 150~300。为什么先 savefig 再 show：show() 进入交互展示后，某些环境下画布内容会被重置，之后再 savefig 可能得到空白图。

生活类比

像手机拍照后立刻「保存到相册」：先保存（savefig），再预览（show）。顺序反了，预览关闭后图就没了。

注意事项总结

1 保存图片 + 验证文件存在（离线可跑）：

import os
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"]
plt.rcParams["axes.unicode_minus"] = False

os.makedirs("Temp", exist_ok=True)      # 目录不存在就先创建
plt.bar(["1月", "2月", "3月"], [120, 180, 150])
plt.title("季度销量")
plt.savefig("Temp/day25_save.png", dpi=150)   # 先保存
print("文件存在：", os.path.exists("Temp/day25_save.png"))
print("文件大小（字节）：", os.path.getsize("Temp/day25_save.png"))

os.makedirs("Temp", exist_ok=True) 确保目录存在（不存在时 savefig 直接报错）；savefig 保存（此时还没调用 show）；os.path.exists 检查文件生成、os.path.getsize 看大小——非 0 说明不是空白图。

易错点

• 错误写法：plt.show() 之后再 savefig() → 问题：可能保存到空白图 → 正确写法：先 savefig() 再 show()，或只 savefig()。
• 错误写法：保存路径的目录不存在 → 问题：报 FileNotFoundError → 正确写法：先 os.makedirs("Temp", exist_ok=True)。

记忆口诀：先保存来后展示，dpi 记得调清晰；目录先建文件验，非 0 大小才放心。

5 标签、图例与网格 —— 让图会说话

是什么？为什么学？

一张图光有线条没人看得懂：得告诉别人「横轴是什么、纵轴是什么、每条线代表什么」。title / xlabel / ylabel 是图的三要素，legend（图例）标注多条线，grid（网格）方便读数。配齐这些，图表才从「草稿」变成「作品」。

底层原理

plt.plot(..., label="最高温") 里的 label 给这条线起名，但名字不会自动显示——要再调 plt.legend()，它把当前坐标系里所有带 label 的元素收集起来渲染成图例。plt.grid(True, linestyle="--", alpha=0.5) 画刻度网格线，alpha 是透明度（0~1），淡网格不抢主体。多子图时每个 axes 要单独 ax.legend()、ax.set_xlabel()。

生活类比

图例像地图右下角的图例说明：没有它，别人只能猜哪条线是最高温；有了它，一眼对号入座。

注意事项总结

1 双折线 + 图例 + 网格（离线可跑）：

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"]
plt.rcParams["axes.unicode_minus"] = False

days = [1, 2, 3, 4, 5, 6, 7]
high = [32, 34, 31, 29, 33, 35, 30]     # 最高温
low = [24, 25, 23, 22, 24, 26, 23]      # 最低温

plt.plot(days, high, marker="o", label="最高温")
plt.plot(days, low, marker="s", label="最低温")
plt.title("一周气温走势")
plt.xlabel("日期（1~7）")
plt.ylabel("温度（℃）")
plt.legend()                            # 显示图例
plt.grid(True, linestyle="--", alpha=0.5)   # 淡虚线网格
plt.savefig("Temp/day25_legend.png", dpi=150)

两条 plot 都加 label 参数；plt.legend() 把名字渲染到图例框；plt.grid(...) 加淡虚线网格方便读数。

易错点

• 错误写法：画了两条线但没写 label 就调 legend() → 问题：图例是空框，没有名字 → 正确写法：每条线都写 label="..."，再调一次 legend()。
• 错误写法：把 label 写进 plt.title() → 问题：标题和图例混为一谈 → 正确写法：label 给线命名，title 给整张图命名。

记忆口诀：标题轴标加图例，网格一开更好读；label 给线起名字，legend 负责展示它。

6 动手实践：一周学习可视化分析报告

把本周 7 天、每天 3 个维度的学习数据画成 4 张图，并生成一张「可视化分析报告」图片（一页多子图）。

# report.py —— 一周学习可视化分析报告
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"]
plt.rcParams["axes.unicode_minus"] = False

days = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]
hours = [3, 4, 3, 2, 4, 5, 4]           # 每天学习时长（小时）
code_lines = [120, 200, 150, 80, 210, 320, 180]   # 每天写的代码行数
errors = [6, 4, 5, 8, 4, 2, 3]          # 每天遇到的报错次数
subjects = ["语法基础", "文件与异常", "面向对象", "数据分析"]
subject_hours = [8, 10, 12, 15]         # 各主题累计学习时长

fig, axes = plt.subplots(2, 2, figsize=(12, 8))   # 2 行 2 列共 4 个子图
fig.suptitle("一周学习可视化分析报告", fontsize=16)

# 子图1：每天学习时长柱状图
axes[0, 0].bar(days, hours, color="steelblue")
axes[0, 0].set_title("每天学习时长（小时）")

# 子图2：代码行数 vs 报错次数折线图
axes[0, 1].plot(days, code_lines, marker="o", label="代码行数")
axes[0, 1].plot(days, errors, marker="s", label="报错次数")
axes[0, 1].set_title("代码量 vs 报错数")
axes[0, 1].legend()

# 子图3：学习时长与报错的散点图（相关关系）
axes[1, 0].scatter(hours, errors, color="coral")
axes[1, 0].set_title("学习时长与报错次数")
axes[1, 0].set_xlabel("学习时长（小时）")
axes[1, 0].set_ylabel("报错次数")

# 子图4：各主题时间占比饼图
axes[1, 1].pie(subject_hours, labels=subjects, autopct="%.1f%%")
axes[1, 1].set_title("各主题学习时间占比")

plt.tight_layout()          # 自动调整子图间距，避免重叠
plt.savefig("week_report.png", dpi=150)
print("报告已保存：week_report.png")

运行效果：

报告已保存：week_report.png

打开 week_report.png，能看到 2×2 排列的 4 张图：柱状图看每天时长、折线图对比代码量和报错、散点图看相关性、饼图看主题占比。试着写一句分析结论，比如「周六学得最多但报错最少，说明熟练度上来了」——这就是一份简单的可视化分析报告。

升级挑战：换成你自己的真实数据（用 JSON 文件读数据再画图），并把报告保存成 my_report.png。

今日总结

figure 是画布、axes 是画布上的坐标系；plt.subplots(1, 2) 返回数组，按下标取单个坐标系 绘图三步法：准备数据 → 选图表类型 → 调样式；折线看趋势、柱状比大小、散点找相关、饼图看占比，选图不纠结 每张图都配好标题、轴标签，需要区分多条线时加图例（label + legend），淡网格方便读数 中文显示两件套：font.sans-serif 指定系统中文字体 + axes.unicode_minus = False；字体名随系统变 保存图片：先 savefig() 再 show()；dpi=150~300；目录先建、文件用 os.path.exists 验证 完成「一周学习可视化分析报告」：一页 4 子图（2×2），并写出一句分析结论

报错	原因	修复
ModuleNotFoundError: No module named 'matplotlib'	没安装 matplotlib	命令行执行 pip install matplotlib
图里的中文全是方框（□）	默认字体不含中文字形	脚本开头加 plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"]
ValueError: x and y must have same first dimension	x 和 y 长度不一致	检查两个列表元素个数是否相等
保存出来的图片是空白	show() 之后才 savefig()，窗口已关闭画布被清空	先 savefig() 再 show()，或只调用 savefig()
AttributeError: 'numpy.ndarray' object has no attribute 'plot'	plt.subplots(2, 2) 返回的是 2×2 的数组，不能直接 .plot()	用 axes[0, 0].plot(...) 指定子图，不要写 axes.plot(...)