Matplotlib visualization

何时使用

• 用 Python 生成静态图表/科研统计图：折线、散点、柱状/条形、直方、热力（imshow）、等高线、箱线、小提琴、3D 曲面/散点。
• 需要精细控制布局：多子图（subplots / subplot_mosaic / GridSpec）、自定义颜色样式标注、按 dpi 导出 PNG/PDF/SVG 出版级图。
• 触发词：matplotlib、pyplot、画图、绘图、可视化、subplots、savefig、热力图、3D 绘图。

不该用：

• 浏览器端交互式可视化（缩放/提示框/自定义网络图）→ 用 d3js-data-viz。
• 统计图表的高层一行封装（带分组/置信区间/调色板）→ 用 seaborn（其底层仍是 matplotlib）。
• 仅需 DataFrame 快速预览，df.plot() 已够，无需手写本流程。

步骤 / 指令

优先用面向对象 API（fig, ax = plt.subplots()），仅交互探索可用 pyplot 隐式接口。

1. 建图：fig, ax = plt.subplots(figsize=(w, h), constrained_layout=True)，显式建图而非依赖全局状态。
2. 绘数据：在 ax 上按图型调用（ax.plot/scatter/bar/hist/imshow/contour/boxplot），多条曲线带 label。
3. 定制：ax.set_xlabel/set_ylabel/set_title、ax.legend()、ax.grid(True, alpha=0.3)；按需 plt.style.use(...) 或 plt.rcParams[...]。
4. 多子图：规则网格用 plt.subplots(nrows, ncols)；不规则布局用 subplot_mosaic；最大控制用 GridSpec。
5. 保存：plt.savefig(path, dpi=300, bbox_inches='tight')，再按需 plt.show()。
6. 释放：批量生成多图时 plt.close(fig) 防内存泄漏。

选色原则：顺序数据用 viridis/plasma；有中心点的发散数据用 coolwarm/RdBu；分类数据用 tab10/Set3；避免 jet（非感知均匀）。可访问性优先 viridis/cividis 等色盲友好色图。

示例

最小可用（OO 接口 + 保存）：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(10, 6), constrained_layout=True)
x = np.linspace(0, 2*np.pi, 100)
ax.plot(x, np.sin(x), label='sin(x)')
ax.plot(x, np.cos(x), label='cos(x)')
ax.set_xlabel('x'); ax.set_ylabel('y'); ax.set_title('Trigonometric')
ax.legend(); ax.grid(True, alpha=0.3)
plt.savefig('plot.png', dpi=300, bbox_inches='tight')

多子图（规则网格）：

fig, axes = plt.subplots(2, 2, figsize=(12, 10), constrained_layout=True)
axes[0, 0].plot(x, y1)
axes[0, 1].scatter(x, y2, s=sizes, c=colors, alpha=0.6, cmap='viridis')
axes[1, 0].bar(categories, values, color='steelblue', edgecolor='black')
axes[1, 1].hist(data, bins=30, edgecolor='black', alpha=0.7)

热力图带 colorbar：

im = ax.imshow(matrix, cmap='coolwarm', aspect='auto')
plt.colorbar(im, ax=ax)

委托提示词（给 Agent 调用时）：

用 matplotlib 面向对象接口画 {图型}：建 fig, ax = plt.subplots(constrained_layout=True)，加坐标轴标签/标题/图例，色图选 {viridis/coolwarm}，最后 savefig(dpi=300, bbox_inches='tight') 导出 {png/pdf}。

注意事项

• 生产代码用 OO 接口，避免 pyplot 全局状态机踩坑（状态混乱、误画到上一张图）。
• figsize 单位是英寸不是像素：像素 = dpi × 英寸；dpi 取值——屏幕 72–100、网页 150、印刷/出版 300。
• 元素重叠用 constrained_layout=True 或 tight_layout()。
• 批量出图务必 plt.close(fig) 释放，否则内存累积。
• 大数据集在绘图调用加 rasterized=True 减小矢量文件体积，必要时先降采样。
• 透明主题下导出加 facecolor='white' 保证白底；需透明背景用 transparent=True。
• 缺字体告警可设 plt.rcParams['font.sans-serif']（中文标签建议显式指定中文字体并关 axes.unicode_minus）。

互见

• requires：无。
• related：d3js-data-viz（需浏览器端交互式可视化时改用）。
• combines_with：csv-data-cleaner（先清洗表格数据，再用本技能可视化）。

---

采编自 sickn33/antigravity-awesome-skills（MIT）。