Matplotlib：Python 数据可视化的标准答案

做数据分析的人应该都绕不开 Matplotlib。这个库从 2003 年开始维护，到现在已经二十多年，GitHub 上拿了 2.2 万多个 Star，是 Python 生态里最老牌的绘图库。

它能干什么

简单说，就是把数据变成图。折线图、柱状图、散点图、热力图、3D 图，基本上你能想到的图表类型它都支持。生成的图可以直接导出成 PNG、PDF、SVG 等格式，分辨率够发论文用。

除了静态图，它还能做交互式图表和动画。在 Jupyter Notebook 里画图是很多人的日常工作流，Matplotlib 对这块的支持很成熟。

为什么还是它

市面上可视化库不少，Seaborn、Plotly、Bokeh 各有特点，但 Matplotlib 的地位一直没被动摇。原因有几个：

覆盖面最广。 从简单的折线图到复杂的子图布局、坐标轴变换，它都能处理。其他库画不出来的图，绕一层 Matplotlib 通常能解决。

生态绑定深。 Pandas、NumPy、SciPy 这些科学计算库的绑图接口底层都走的 Matplotlib。你在 Pandas 里调 .plot()，背后就是 Matplotlib 在画。

文档和社区成熟。 二十多年积累下来，Stack Overflow 上的问题基本都有答案。遇到问题搜一下，八成能解决。

不足之处

Matplotlib 的 API 设计比较老，画一张简单的图往往要写不少代码。Seaborn 就是在它基础上做了一层封装，用更少的代码画出更好看的图。

另一个问题是默认样式偏朴素。直接画出来的图放在报告里能用，但离"好看"还有距离。不过这个问题有现成方案，plt.style.use('seaborn') 或者 ggplot 主题一行代码就能切换。

适合谁用

如果你刚接触 Python 数据分析，Matplotlib 是第一个要学的可视化库。它未必是最顺手的，但它是基础。学会了它，上手其他可视化库会很快。

如果你在做科研或者需要精确控制图表的每一个细节，Matplotlib 几乎是唯一选择。它的定制能力是所有 Python 绘图库里最强的。

安装方式和标准 Python 库一样，pip install matplotlib 即可。官方文档在 matplotlib.org，建议从 Tutorial 页面开始看。

档在 matplotlib.org，建议从 Tutorial 页面开始看。