使用matplotlib绘制数据可视化图表是数据分析中常见的任务。本文将通过几个实例，展示如何利用matplotlib绘制条形图、横向条形图、多条条形图以及直方图，并说明如何设置中文字体和调整图表的各项参数。
条形图
条形图是一种常见的统计图表形式，用于比较不同类别数据的数值大小。以下是如何使用Matplotlib绘制电影票房统计的条形图的示例代码：
from matplotlib import pyplot as plt
from matplotlib import font_manager
<h1>设置中文字体</h1><p>my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/simsun.ttc", size=14)</p><h1>进行电影票房统计，数据来源：58921.com</h1><p>a = ['战狼二', '红海行动', '美人鱼', '唐人街探案', '我不是药神']
b = [56.39, 36.22, 33.9, 33.71, 30.75]</p><h1>设置图形大小</h1><p>plt.figure(figsize=(12, 10), dpi=80)</p><div class="aritcle_card flexRow">
<div class="artcardd flexRow">
<a class="aritcle_card_img" href="/ai/2663" title="靠岸学术"><img
src="https://img.php.cn/upload/ai_manual/001/503/042/69b3bf2c510bf638.jpeg" alt="靠岸学术" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
<div class="aritcle_card_info flexColumn">
<a href="/ai/2663" title="靠岸学术">靠岸学术</a>
<p>一款集翻译，阅读，文献管理于一体的英文文献阅读器</p>
</div>
<a href="/ai/2663" title="靠岸学术" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a>
</div>
</div><h1>绘制条形图用bar, width表示宽度</h1><p>plt.bar(range(len(a)), b, width=0.4)</p><h1>调整x轴为汉字</h1><p>plt.xticks(range(len(a)), a, fontProperties=my_font)</p><h1>添加描述信息</h1><p>plt.xlabel("电影名称", fontProperties=my_font)
plt.ylabel("票房（亿）", fontProperties=my_font)
plt.title("电影票房", fontProperties=my_font)</p><p>plt.show()效果图：
横向条形图
横向条形图与条形图类似，但其条形是水平方向的，适用于当类别标签较长时。以下是如何绘制横向条形图的代码示例：
from matplotlib import pyplot as plt
from matplotlib import font_manager</p><h1>设置中文字体</h1><p>my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/simsun.ttc", size=14)</p><h1>进行电影票房统计，数据来源：58921.com</h1><p>a = ['战狼二', '红海行动', '美人鱼', '唐人街探案', '我不是药神']
b = [56.39, 36.22, 33.9, 33.71, 30.75]</p><h1>设置图形大小</h1><p>plt.figure(figsize=(12, 10), dpi=80)</p><h1>绘制横向条形图用barh，这里不用width用height</h1><p>plt.barh(range(len(a)), b, height=0.4)</p><h1>调整y轴为汉字</h1><p>plt.yticks(range(len(a)), a, fontProperties=my_font)</p><h1>添加描述信息</h1><p>plt.xlabel("票房（亿）", fontProperties=my_font)
plt.ylabel("电影名称", fontProperties=my_font)
plt.title("电影票房", fontProperties=my_font)</p><p>plt.show()效果图：
多条条形图
多条条形图可以用来比较不同时间点或不同类别下的数据。以下是如何绘制多条条形图的代码示例：
from matplotlib import pyplot as plt
from matplotlib import font_manager</p><h1>设置中文字体</h1><p>my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/simsun.ttc", size=14)</p><h1>a表示电影名称</h1><p>a = ['海王', '龙猫', '印度合伙人', '网络迷踪', '无名之辈']</p><h1>2018-12-17日依次票房</h1><p>d_17 = [4135, 791, 539, 238, 180]</p><h1>2018-12-18日依次票房</h1><p>d_18 = [3655, 673, 435, 182, 148]</p><h1>2018-12-19日依次票房</h1><p>d_19 = [3303, 611, 469, 181, 160]</p><h1>设置图形大小</h1><p>plt.figure(figsize=(12, 10), dpi=80)</p><h1>绘制x轴</h1><h1>每天的往后移动0.3，也就是width的值</h1><p>x_17 = list(range(len(a)))
x_18 = [i + 0.3 for i in x_17]
x_19 = [i + 0.3 for i in x_18]</p><h1>绘制d_17图像</h1><p>plt.bar(x_17, d_17, width=0.3, label='2018-12-17日')</p><h1>绘制d_18图像</h1><p>plt.bar(x_18, d_18, width=0.3, label='2018-12-18日')</p><h1>绘制d_19图像</h1><p>plt.bar(x_19, d_19, width=0.3, label='2018-12-19日')</p><h1>右上角显示中文分类</h1><p>plt.legend(prop=my_font)</p><h1>在中间显示电影名称</h1><p>plt.xticks(x_18, a, fontProperties=my_font)</p><p>plt.xlabel("电影名称", fontProperties=my_font)
plt.ylabel("票房（万）", fontProperties=my_font)
plt.title("电影票房", fontProperties=my_font)</p><p>plt.show()效果图：
直方图
直方图用于展示数据的分布情况，常用于统计某个时间段的频率。以下是如何绘制直方图的代码示例：
import random from matplotlib import pyplot as plt from matplotlib import font_manager</p><h1>设置中文字体</h1><p>my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/simsun.ttc", size=14)</p><h1>a 生成300个1-100的随机数</h1><p>a = [random.randint(1, 100) for i in range(300)]</p><h1>设置图形大小</h1><p>plt.figure(figsize=(12, 10), dpi=80)</p><h1>绘制直方图用hist函数</h1><h1>第一个参数就是我们的数字列表</h1><h1>第二个参数表示分成多少组</h1><h1>组数在数学中计算是(最大值-最小值)/组距(自己设置)</h1><h1>这里我们设置组距为3</h1><p>bin_width = 3</p><h1>计算我们需要分成多少组</h1><p>num_bins = int((max(a) - min(a)) // bin_width)</p><p>plt.hist(a, num_bins)</p><h1>设置x轴刻度，步长为我们的组距</h1><p>plt.xticks(range(min(a), max(a) + bin_width, bin_width))</p><h1>给个表格，方面我们看清数据,透明度为0.5</h1><p>plt.grid(alpha=0.5)</p><p>plt.show()
效果图：
Matplotlib还可以绘制其他类型的图形，但其基本原理与上述图形类似，通过设置不同的参数和函数即可实现。
