在學習 Matplotlib 時，初學者往往會先接觸幾個最常用的繪圖函數，例如 plot()、scatter()、bar()。隨著使用逐漸深入，又會接觸到圖形創建、子圖布局、標題設置、圖例控制、圖像保存以及全局樣式配置等內容。

因此，有必要把常用函數按功能重新整理，形成一份可檢索、可對照、可反復查閱的基礎手冊。

一、圖形創建與布局

這一組函數主要負責創建圖形對象、建立繪圖區以及安排多個子圖的布局。它們解決的問題不是“畫什么”，而是“圖放在哪里畫”。

figure()

用于創建一個 Figure 對象，即整個圖形畫布。通常在需要顯式控制圖像尺寸、分辨率或背景顏色時使用。

plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None)

參數說明：

? num：圖形編號或名稱

? figsize：圖形尺寸，形式為 (寬, 高)，單位為英寸

? dpi：圖像分辨率

? facecolor：圖形背景顏色

RGB / RGBA 元組，如 (1, 1, 1)、(1, 1, 1, 0.5)

? edgecolor：圖形邊框顏色，選項同上

返回值：返回一個 Figure 對象。

示例：

plt.show()

在簡單繪圖中，即使不顯式調用 figure()，Matplotlib 也會自動創建默認圖形；但在需要控制圖像屬性時，顯式創建 Figure 會更清楚。

subplot()

用于在一個 Figure 中創建并切換到指定位置的子圖。

plt.subplot(nrows, ncols, index, **kwargs)

參數說明：

? nrows：子圖總行數

? ncols：子圖總列數

? index：當前子圖編號，從 1 開始

? **kwargs：其它可選參數

返回值：返回一個 Axes 對象。

示例：

plt.show()

subplot() 屬于狀態式接口，適合較簡單的多圖布局。若圖形結構較復雜，通常更推薦 subplots()。

subplots()

一次性創建 Figure 和一個或多個 Axes 對象，是 Matplotlib 中最常用的面向對象建圖方式。

fig, ax = plt.subplots(nrows=1, ncols=1, figsize=None, dpi=None, **kwargs)

參數說明：

? nrows：子圖行數

? ncols：子圖列數

? figsize：圖像尺寸

? dpi：圖像分辨率

? **kwargs：其它可選參數

返回值：返回一個二元組：

ax：Axes 對象或 Axes 數組

示例：

plt.show()

這是推薦優先掌握的函數之一。它不僅能創建單圖，也能方便地創建規則排列的多子圖結構。

add_subplot()

在已有的 Figure 對象上添加一個子圖，并返回對應的 Axes 對象。

ax = fig.add_subplot(nrows, ncols, index, **kwargs)

也可寫為：

ax = fig.add_subplot(121)

參數說明：

? nrows：子圖總行數

? ncols：子圖總列數

? index：當前子圖編號，從 1 開始

? **kwargs：其它可選參數

返回值：返回一個 Axes 對象。

示例：

plt.show()

add_subplot() 更適合先創建 Figure，再按步驟逐個加入子圖的場景。

axes()

用于創建一個 Axes 坐標區域。與規則網格布局不同，axes() 更適合手動指定繪圖區位置。

ax = plt.axes()

或：

ax = plt.axes([left, bottom, width, height])

參數說明：

? 當使用列表參數時：

height：高度

這些值一般采用相對于整個 Figure 的比例，通常在 0 到 1 之間。

返回值：返回一個 Axes 對象。

示例：

plt.show()

當需要嵌入小圖或自定義不規則布局時，axes() 很有用。

subplots_adjust()

用于手動調整多個子圖在畫布中的位置和間距。

plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

或：

fig.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

參數說明：

? left：所有子圖區域左邊界位置，占整個 Figure 寬度的比例

? bottom：所有子圖區域下邊界位置，占整個 Figure 高度的比例

? right：所有子圖區域右邊界位置，占整個 Figure 寬度的比例

? top：所有子圖區域上邊界位置，占整個 Figure 高度的比例

? wspace：子圖之間的水平間距，相對于平均子圖寬度的比例

? hspace：子圖之間的垂直間距，相對于平均子圖高度的比例。

官方文檔說明，未設置的參數保持不變，其初始值來自 rcParams["figure.subplot.[name]"]。

返回值：無顯式返回值，主要起布局調整作用。

示例：

plt.show()

當多個子圖之間過于擁擠，或需要更精細地控制四周留白時，subplots_adjust() 比 tight_layout() 更適合手動調整。

二、基礎繪圖函數

這一組函數直接負責把數據繪制成具體圖形，是最核心的一類函數。

plot()

用于繪制二維折線圖，也可通過參數控制點樣式、線型和顏色。

plt.plot(*args, scalex=True, scaley=True, data=None, **kwargs)

常見寫法：

plt.plot(x, y, fmt)

參數說明：

? x：橫坐標數據

? y：縱坐標數據

? fmt：格式字符串，用于簡寫顏色、標記和線型

? label：圖例標簽

? linewidth：線寬

? linestyle：線型

? marker：點標記樣式

? color：顏色

返回值：返回一個由 Line2D 對象組成的列表。

示例：

plt.show()

如果只傳入一組數據，Matplotlib 會將其視為 y，并自動生成從 0 開始的整數索引作為 x。

scatter()

用于繪制散點圖，適合觀察兩個變量之間的關系。

plt.scatter(x, y, s=None, c=None, marker=None, cmap=None, **kwargs)

參數說明：

? x：橫坐標數據

? y：縱坐標數據

? s：點的大小

? c：點的顏色

? marker：點的形狀

? cmap：顏色映射方案

rainbow：彩虹漸變，視覺鮮艷，但不太適合嚴肅的數據表達

返回值：返回一個 PathCollection 對象。

示例：

plt.show()

如果需要通過顏色或大小再表示額外變量，散點圖非常適合做多維信息表達。

bar()

用于繪制柱狀圖，適合比較不同類別的數據大小。

plt.bar(x, height, width=0.8, bottom=None, align="center", **kwargs)

參數說明：

? x：類別位置或標簽

? height：柱子的高度

? width：柱寬

? bottom：柱子起始位置

? align：對齊方式

'edge'：以 x 位置作為柱子的左邊緣

? color：柱子顏色

? label：圖例標簽

返回值：返回一個 BarContainer 對象。

示例：

plt.show()

柱狀圖主要用于類別比較，不適合表達連續變化趨勢。

hist()

用于繪制直方圖，展示數據在各個區間中的分布情況。

plt.hist(x, bins=None, range=None, density=False, **kwargs)

參數說明：

? x：輸入數據

? bins：分箱數量或分箱邊界

? range：統計區間

? density：是否歸一化為概率密度

? color：顏色

? edgecolor：邊框顏色

返回值：通常返回一個三元組：

柱形對象列表

示例：

plt.show()

直方圖與柱狀圖外形相似，但前者用于分布統計，后者用于類別比較。

imshow()

用于將二維數組或圖像數據顯示為圖像。它既可以顯示灰度圖、彩色圖，也常用于顯示熱力矩陣、像素矩陣或二維數值分布。

plt.imshow(X, cmap=None, interpolation=None, aspect=None, origin=None, **kwargs)

參數說明：

? X：輸入數據，通常為二維數組，或形如 (M, N, 3)、(M, N, 4) 的圖像數組

? cmap：顏色映射方案

? interpolation：插值方式

? aspect：控制坐標軸縱橫比

? origin：設置原點位置，常見為 'upper' 或 'lower'

? vmin / vmax：顏色映射的取值范圍

? alpha：透明度

返回值：返回一個 AxesImage 對象。

示例：

plt.show()

imshow() 并不僅用于照片顯示，也常用于可視化矩陣數據。例如相關系數矩陣、混淆矩陣、熱力圖等，都可以通過它直觀呈現。

contour()

用于繪制等高線圖。它把二維數值場中取值相同的點連接成線，常用于表現地形高度、溫度分布、壓力分布以及二維函數的等值區域。

plt.contour(X, Y, Z, levels=None, cmap=None, colors=None, linewidths=None, **kwargs)

參數說明：

? X、Y：網格坐標數據

? Z：二維數值矩陣，表示每個坐標點處的函數值

? levels：等高線的層級數量或具體層級值

? cmap：顏色映射方案

? colors：直接指定等高線顏色

? linewidths：線寬

? **kwargs：其它可選參數

返回值：返回一個 QuadContourSet 對象。

示例：

plt.show()

contour() 只繪制等值線，不填充線與線之間的區域，因此更適合強調“輪廓結構”本身。它常用于數學函數可視化，也常見于地理信息、工程分析和科學計算場景。

contourf()

用于繪制填充等高線圖。與 contour() 相比，它不僅繪制層級，還會用顏色填充不同層級之間的區域，因此更適合表現連續數值場的整體分布。

plt.contourf(X, Y, Z, levels=None, cmap=None, **kwargs)

參數說明：

? X、Y：網格坐標數據

? Z：二維數值矩陣

? levels：填充層級數量或具體層級值

? cmap：顏色映射方案

? **kwargs：其它可選參數

返回值：返回一個 QuadContourSet 對象。

示例：

plt.show()

如果希望更直觀地表現數值區域的高低變化，通常 contourf() 比 contour() 更適合。實際使用中，也常把二者疊加：先用 contourf() 填色，再用 contour() 疊加輪廓線，以同時獲得層次感與邊界感。

errorbar()

用于繪制帶誤差線的圖形。它常用于實驗數據、測量數據或統計結果的可視化，以表示某個數據點的不確定性、波動范圍或誤差區間。

plt.errorbar(x, y, yerr=None, xerr=None, fmt='', ecolor=None, elinewidth=None, capsize=None, **kwargs)

參數說明：

? x：橫坐標數據

? y：縱坐標數據

? yerr：縱向誤差值

? xerr：橫向誤差值

? fmt：數據點和連線格式

? ecolor：誤差線顏色

? elinewidth：誤差線寬度

? capsize：誤差線端帽長度

? **kwargs：其它可選參數

返回值：返回一個 ErrorbarContainer 對象。

示例：

plt.show()

errorbar() 的核心不在于“再畫一條線”，而在于為數據增加“誤差解釋層”。在科研圖表、統計分析圖和實驗報告中，它比普通折線圖或散點圖更能體現數據的可信區間與離散程度。

stem()

用于繪制莖葉圖樣式的離散序列圖。它會從基線出發，為每個離散點繪制一條豎線，并在頂端標出數據點，適合表示脈沖信號、離散時間序列或整數索引上的數值變化。

plt.stem(*args, linefmt=None, markerfmt=None, basefmt=None, bottom=0, label=None)

常見寫法：

plt.stem(x, y)

參數說明：

? x：橫坐標數據

? y：縱坐標數據

? linefmt：莖線格式

? markerfmt：頂端標記格式

? basefmt：基線格式

? bottom：基線位置

? label：圖例標簽

返回值：通常返回一個包含標記線、莖線和基線的容器對象。

示例：

plt.show()

stem() 與 plot() 的區別在于，它更強調“離散點逐個獨立出現”的特征，而不是連續變化趨勢。因此在數字信號處理、采樣數據展示或離散數學場景中更常見。

pie()

用于繪制餅圖，展示各部分占整體的比例。

plt.pie(x, explode=None, labels=None, colors=None, autopct=None, startangle=None, **kwargs)

參數說明：

? x：各部分數值

? explode：突出某些扇區

? labels：標簽列表

? colors：顏色列表

? autopct：百分比顯示格式

autopct=函數名：用于顯示更復雜的內容，如“百分比 + 原始值”

? startangle：起始角度

返回值：通常返回若干繪圖對象，例如扇區對象和文本對象。

示例：

plt.show()

當類別較多或比例差異較小時，餅圖的可讀性會下降，此時柱狀圖往往更清晰。

三、圖形修飾函數

繪圖之后，通常還需要為圖形補充解釋信息。這一組函數主要用于增強可讀性。

1、標題與軸標簽

title()/set_title()

用于設置圖標題。

ax.set_title(label, fontdict=None, loc=None, pad=None, **kwargs)

參數說明：

? label：標題內容

? fontsize：標題字號，適用于 plt.title()

? fontdict：字體屬性字典，適用于 ax.set_title()

? loc：標題位置

'right'：標題靠右顯示

? pad：標題與圖形區域之間的間距

? **kwargs：其它文本樣式參數，如 color 等

返回值：返回一個 Text 對象。

示例：

plt.show()

xlabel()/ylabel()

用于設置當前圖形的橫軸、縱軸標簽。

plt.ylabel(ylabel, fontsize=None)

參數說明：

? xlabel / ylabel：標簽文本

? fontsize：標簽字體大小

返回值：返回一個 Text 對象。

示例：

plt.show()

set_xlabel()/set_ylabel()

用于設置某個 Axes 對象的橫軸、縱軸標簽。

ax.set_ylabel(ylabel, fontdict=None, labelpad=None, **kwargs)

參數說明：

? xlabel / ylabel：標簽文本

? fontdict：字體屬性字典

? labelpad：標簽與坐標軸之間的間距

? **kwargs：其它文本樣式參數

返回值：返回一個 Text 對象。

示例：

plt.show()

text()

用于在圖中指定位置添加普通文本說明。

plt.text(x, y, s, fontdict=None, **kwargs)

或：

ax.text(x, y, s, fontdict=None, **kwargs)

參數說明：

? x、y：文本位置

? s：文本內容

? fontdict：字體屬性字典

? **kwargs：其它文本樣式參數，如 fontsize、color、ha、va

返回值：返回一個 Text 對象。

示例：

plt.show()

text() 常用于局部說明、數據標注或補充解釋，但它不會自動繪制箭頭。

annotate()

用于給圖中的某個點添加帶箭頭的注釋，是 text() 的增強形式。

plt.annotate(text, xy, xytext=None, arrowprops=None, **kwargs)

或：

ax.annotate(text, xy, xytext=None, arrowprops=None, **kwargs)

參數說明：

? text：注釋文本

? xy：被注釋點的位置

? xytext：注釋文本的位置

? arrowprops：箭頭樣式字典

? **kwargs：其它文本樣式參數

返回值：返回一個 Annotation 對象。

示例：

plt.show()

當需要強調某個關鍵點、異常點或極值點時，annotate() 很有用。

2、刻度與范圍控制

xticks()

用于獲取或設置當前圖形 x 軸刻度的位置與標簽。

plt.xticks(ticks=None, labels=None, *, minor=False, **kwargs)

參數說明：

? ticks：刻度位置列表

? labels：對應的刻度標簽列表；只有在提供 ticks 時才能同時傳入

? minor：是否設置次刻度，默認為 False

? **kwargs：刻度文本樣式參數，如 rotation、fontsize 等。

返回值：不傳參數時，通常返回當前 x 軸刻度位置和刻度標簽；設置時返回對應刻度與文本對象。

示例：

plt.show()

xticks() 常用于把默認的數字刻度替換成更有意義的類別名稱，例如姓名、月份、地區等。

yticks()

用于獲取或設置當前圖形 y 軸刻度的位置與標簽，其用法與 xticks() 對應。

plt.yticks(ticks=None, labels=None, *, minor=False, **kwargs)

參數說明：

? ticks：刻度位置列表

? labels：對應的刻度標簽列表

? minor：是否設置次刻度

? **kwargs：刻度文本樣式參數

返回值：不傳參數時，通常返回當前 y 軸刻度位置和刻度標簽；設置時返回對應刻度與文本對象。

示例：

plt.show()

當 y 軸數值需要用等級、評分或其它文字說明替換時，yticks() 很有用。

xlim()

用于獲取或設置當前坐標軸的 x 軸顯示范圍。

plt.xlim(*args, **kwargs)

常見寫法：

plt.xlim(left, right)

參數說明：

? left：x 軸左邊界

? right：x 軸右邊界

返回值：返回新的 x 軸范圍，通常是一個包含左右邊界的二元組。

示例：

plt.show()

當希望只關注某一段橫軸范圍時，可以通過 xlim() 縮小顯示區間；設置后通常會關閉該軸的自動縮放。

ylim()

用于獲取或設置當前坐標軸的 y 軸顯示范圍，用法與 xlim() 對應。

plt.ylim(*args, **kwargs)

常見寫法：

plt.ylim(bottom, top)

參數說明：

? bottom：y 軸下邊界

? top：y 軸上邊界

返回值：返回新的 y 軸范圍，通常是一個包含上下邊界的二元組。

示例：

plt.show()

當希望統一多張圖的縱軸范圍，或突出某個數值區間時，ylim() 非常常用。

axis()

用于統一設置或獲取當前坐標軸的顯示范圍、坐標比例以及軸線顯示方式。

plt.axis(*args, emit=True, **kwargs)

常見寫法：

plt.axis("tight")

參數說明：

? 當傳入四元素列表時：

[xmin, xmax, ymin, ymax] 分別表示橫軸最小值、橫軸最大值、縱軸最小值、縱軸最大值

? 當傳入字符串時，常見選項包括：

'auto'：恢復自動縮放

返回值：通常返回當前坐標軸范圍，即 (xmin, xmax, ymin, ymax) 形式的元組。

示例 1：設置顯示范圍

plt.show()

示例 2：關閉坐標軸

plt.show()

如果只是分別控制橫軸和縱軸范圍，通常使用 xlim()、ylim() 更直觀；而 axis() 更適合一次性完成整體設置，尤其常與 imshow() 搭配使用。

tick_params()

用于統一調整刻度線、刻度標簽以及網格線的顯示樣式。

plt.tick_params(axis='both', **kwargs)

或：

ax.tick_params(axis='both', **kwargs)

參數說明：

? axis：作用對象，可取 'x'、'y'、'both'

? which：控制主刻度、次刻度或兩者，可取 'major'、'minor'、'both'

? direction：刻度線方向，可取 'in'、'out'、'inout'

? length：刻度線長度

? width：刻度線寬度

? color：刻度線顏色

? pad：刻度線與標簽之間的距離

? labelsize：刻度標簽字號

? labelcolor：刻度標簽顏色

? reset：是否先恢復默認設置再修改。

返回值：無顯式返回值，主要起樣式設置作用。

示例：

plt.show()

當需要統一調整刻度外觀，而不是逐個設置 xticks()、yticks() 的文本樣式時，tick_params() 更高效。對于共享坐標軸的多子圖，它也常用于重新打開或調整刻度標簽顯示。

3、圖例、文字與顏色說明

legend()

用于顯示圖例，說明不同圖形對象的含義。

plt.legend(loc=None, **kwargs)

或：

ax.legend(loc=None, **kwargs)

參數說明：

? loc：圖例位置

? fontsize：圖例字號

? frameon：是否顯示邊框

返回值：返回一個 Legend 對象。

示例：

plt.show()

只有繪圖對象提供了 label，圖例中才會顯示對應條目。

grid()

用于控制網格的顯示。

plt.grid(visible=True, which="major", axis="both", **kwargs)

或：

ax.grid(visible=True, which="major", axis="both", **kwargs)

參數說明：

? visible：是否顯示網格

? which：控制主刻度或次刻度網格

? axis：控制橫軸、縱軸或兩者

? **kwargs：網格線樣式參數，如線型、顏色等

返回值：無顯式返回值，主要起設置作用。

示例：

plt.show()

colorbar()

用于為顏色映射圖形添加顏色條。它常與 imshow()、scatter() 等函數配合使用，用來說明顏色與數值之間的對應關系。

plt.colorbar(mappable=None, ax=None, **kwargs)

參數說明：

? mappable：與顏色映射相關的圖形對象，如 imshow() 返回的對象

? ax：要附加顏色條的坐標軸

? **kwargs：其它可選參數，如方向、縮放、間距等

返回值：返回一個 Colorbar 對象。

示例：

plt.show()

當顏色本身承載數值信息時，colorbar() 往往是必不可少的輔助元素，否則讀者很難準確理解顏色含義。

4、布局微調

tight_layout()

自動調整子圖之間的間距，減少標題、標簽和刻度文字之間的重疊。

plt.tight_layout(*, pad=1.08, h_pad=None, w_pad=None, rect=None)

或：

fig.tight_layout(pad=1.08)

參數說明：

? pad：整體填充值

? h_pad：子圖之間的垂直填充值

? w_pad：子圖之間的水平填充值

? rect：限制子圖布局所占區域

返回值：無顯式返回值，主要起布局調整作用。

示例：

plt.show()

當多個子圖的標題、軸標簽或刻度文字容易重疊時，tight_layout() 往往是最先嘗試的自動調整方法。

四、輸出與配置函數

這一組函數主要負責圖形輸出和默認樣式控制。

show()

用于顯示當前圖形。

plt.show()

參數說明：

? 一般基礎使用中不需要額外參數。

返回值：無返回值。

示例：

plt.show()

在腳本環境中，通常需要顯式調用 show() 才會彈出圖形窗口。

savefig()

用于將當前圖形保存為圖像文件。

plt.savefig(fname, dpi=None, bbox_inches=None, facecolor="auto", edgecolor="auto", **kwargs)

或：

fig.savefig(fname, dpi=None, bbox_inches=None, **kwargs)

參數說明：

? fname：文件名

? dpi：分辨率

? bbox_inches：邊界裁剪方式

? facecolor：背景顏色

? edgecolor：邊框顏色

返回值：無返回值。

示例：

plt.show()

通常建議先調用 savefig()，再調用 show()，以避免某些環境下得到空白圖像。

close()

用于關閉圖形窗口或銷毀指定圖形對象。

plt.close(fig=None)

參數說明：

? fig：要關閉的圖形，可以是圖形編號、圖形對象，或 'all'

返回值：無返回值。

示例：

plt.close()

在批量生成圖片或長時間運行腳本時，及時使用 close() 可以釋放資源，避免打開過多圖形對象。

clf()

用于清空當前 Figure 中的所有內容，但保留圖形窗口本身。

plt.clf()

返回值：無返回值。

示例：

plt.clf()

clf() 相當于“清空整張畫布”，適合準備在同一個 Figure 中重新繪圖。

cla()

用于清空當前 Axes 中的內容，但不影響同一 Figure 中的其它子圖。

plt.cla()

或：

ax.cla()

返回值：無返回值。

示例：

plt.show()

cla() 相當于“清空當前坐標區域”，粒度比 clf() 更細。

matplotlib.use()

用于設置 Matplotlib 當前使用的后端（backend）。后端決定圖形是顯示在屏幕窗口中，還是輸出為 PNG、PDF、SVG 等文件。官方文檔將其描述為用于選擇“渲染與 GUI 集成所使用的后端”。

matplotlib.use(backend, *, force=True)

參數說明：

? backend：后端名稱

? force：是否在設置失敗時拋出異常

常見后端類型包括兩大類：

（1）交互式后端

nbAgg：面向 Jupyter Notebook 的交互式后端，可在筆記本單元格中顯示并交互操作圖形。 

（2）非交互式后端

pgf：基于 PGF 的非交互式后端，適合將圖形更自然地整合進 LaTeX 文檔排版流程。

后端名稱大小寫通常不敏感。官方文檔也支持用 module://... 的形式指定自定義后端。

示例：

plt.savefig("plot.png")

matplotlib.use() 通常應盡量寫在 import matplotlib.pyplot as plt 之前。

在沒有圖形界面的環境中，常使用 Agg 后端將圖形直接保存為文件。官方文檔同時指出，大多數情況下 Matplotlib 會自動選擇可用后端，因此并不一定需要手動調用該函數。

matplotlib.get_backend()

用于獲取當前 Matplotlib 正在使用的后端名稱。

matplotlib.get_backend()

參數說明：

該函數不需要額外參數。

返回值：返回當前后端名稱，通常為字符串。

示例：

print(matplotlib.get_backend())

當圖形無法正常顯示、保存結果異常，或需要確認當前運行環境使用的是哪一種后端時，get_backend() 很有幫助。它常與 matplotlib.use() 配合使用，用于檢查配置是否生效。

switch_backend()

用于在 pyplot 接口中切換當前后端。

plt.switch_backend(newbackend)

參數說明：

? newbackend：要切換到的新后端名稱。

返回值：無。

示例：

plt.savefig("plot.png")

switch_backend() 用于在已經使用 pyplot 的情況下切換后端。

只有在沒有啟動其它交互式后端事件循環時，才可以切換到另一種交互式后端；

在交互式與非交互式后端之間切換通常是可行的；如果新后端與當前后端不同，那么所有已打開的圖形會被關閉。

rcParams

用于設置 Matplotlib 的全局默認參數，例如字體、圖像尺寸、分辨率、線寬等。

plt.rcParams["參數名"] = 參數值

常見項目：

plt.rcParams["figure.dpi"]

rcParams 本質上是一個配置字典，通過鍵值方式修改全局設置。

示例：

plt.rcParams["figure.dpi"] = 120

這些設置會影響當前腳本后續創建的圖形，因此屬于全局默認配置。

style.use()

用于快速切換 Matplotlib 的整體繪圖風格。

plt.style.use(style)

參數說明：

? style：樣式名稱

tableau-colorblind10：強調色盲友好的配色風格

返回值：無返回值。

示例：

plt.show()

該函數適合在不逐項修改細節參數的情況下，快速改變圖形的整體視覺風格。

小結

Matplotlib 的常用函數雖然數量不少，但從使用流程上看，大致可以分為四類：先用圖形創建與布局函數搭好畫布和坐標區域，再用基礎繪圖函數把數據畫出來，隨后通過標題、刻度、圖例、文字注釋、顏色條等函數增強可讀性，最后再完成顯示、保存以及全局樣式配置。按這樣的繪圖過程來理解各函數，比孤立記憶更容易形成穩定而清晰的知識結構。

“點贊有美意，贊賞是鼓勵”