python pyplot画图_matplotlib.pyplot画图并导出保存的实例

好的，下面是一个简单的例子，展示如何使用matplotlib.pyplot画图并导出保存：

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y = [10, 8, 6, 4, 2]

# 创建图像
plt.plot(x, y)

# 添加标题和标签
plt.title("Example Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")

# 保存图像
plt.savefig("example_plot.png")

上面的代码创建了一个简单的折线图，然后添加了标题和标签，最后将图像保存为"example_plot.png"文件。

你可以根据需要修改这个例子，改变数据、图形类型、颜色、线型等等，以创建你需要的图像。

相关问题

python 交互式画图

### Python交互式绘图方法及常用库

#### Matplotlib简介
Matplotlib是Python中最广为人知的图表绘制框架[^1]。尽管其功能强大，但要创建美观的图形可能需要投入大量时间和精力。

import matplotlib.pyplot as plt 

# 数据准备
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 绘制简单折线图
plt.plot(x, y)

# 设置标题和坐标轴标签
plt.title('Simple Line Chart')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')

# 展示图像
plt.show()

此代码片段展示了如何利用Matplotlib快速构建基础可视化效果[^2]。然而，对于更复杂的交互需求来说，这或许不是最佳选择。

#### Plotly概述
Plotly是一个能够轻松生成多种类型的高质量、互动性强的数据可视化的工具包。除了Python外，该平台同样适用于R、MATLAB以及JavaScript等多种编程环境。通过Plotly制作完成后的图片不仅可以在Jupyter Notebook环境中即时预览，还可以导出成为独立HTML文件或是上传至云服务端供远程访问。

以下是使用Plotly创建散点图的一个实例：

import plotly.express as px

df = px.data.iris()

fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species")

fig.show()

这段脚本说明了怎样借助于Plotly Express模块来实现数据集`Iris`上不同种类鸢尾花之间萼片宽度与长度关系之间的对比分析，并赋予每种颜色代表一类样本类别属性。

#### PyEcharts介绍
PyEcharts也是一个不错的选择，尤其适合那些希望获得中文文档支持和技术社区活跃度较高的开发者群体。它允许用户自定义丰富的视觉样式并提供良好的API接口设计方便集成到Web应用当中去[^4]。

一个简单的例子如下所示：

from pyecharts.charts import Bar
bar = Bar()
bar.add_xaxis(["衬衫","羊毛衫","雪纺衫"])
bar.add_yaxis("商家A",[5, 20, 36])
rendered_html_content= bar.render_notebook()  
print(rendered_html_content)

上述程序段落里我们构造了一个柱状统计图用来表示某虚拟商店销售三种不同类型衣服的数量情况；最后调用了`.render_notebook()`函数使得结果可以直接嵌入IPython/Jupyter notebook页面中显示出来。

jupyter notebook画图看不清

### 提高 Jupyter Notebook 中 Matplotlib 绘图分辨率的方法

在 Jupyter Notebook 使用 Matplotlib 进行绘图时，可以通过调整参数来提升图表的清晰度和分辨率。

#### 设置全局 DPI 参数
通过设置 `plt.rcParams` 来改变默认的DPI (dots per inch)，这会影响所有后续创建的图形的质量：

import matplotlib.pyplot as plt

plt.rcParams['figure.dpi'] = 300  # 将分辨率为每英寸300点

此方法适用于整个会话期间的所有新图形[^1]。

#### 创建图形对象时指定 DPI 和尺寸
当调用 `plt.figure()` 函数创建一个新的Figure实例时，可以显式地定义其大小 (`figsize`) 和DPI:

plt.figure(figsize=(10,6), dpi=200)  # 宽10寸 高6寸 分辨率设为200dpi

这种方法仅影响特定的Figure实例，在多图并存的情况下尤为有用[^4]。

#### 导出高质量图像文件
如果最终目的是导出静态图片而非仅仅改善Notebook内的展示效果，则可以在保存图像的时候设定更高的DPI值:

plt.savefig('high_quality_image.png', bbox_inches='tight', pad_inches=0.1, dpi=500)

上述命令不仅提高了输出PNG文件的质量，还优化了边距处理[^2]。

此外，对于交互式的探索分析来说，开启网格可以帮助更好地理解数据分布情况:

plt.grid(True, linestyle='--', alpha=0.5)

这样做的好处是可以让读者更容易读取具体的数值位置[^3]。