matplotlib.pyplot画图并导出保存的实例

下面是关于 matplotlib.pyplot 画图并导出保存的完整攻略：

1. 安装 matplotlib

首先，需要安装 matplotlib 才能使用其中的 pyplot 模块进行绘图。可以使用 pip 命令进行安装：

pip install matplotlib

2. 导入和使用 pyplot 模块

在开始之前，需要导入 matplotlib.pyplot 模块：

import matplotlib.pyplot as plt

接下来，可以使用 plt.subplots() 函数创建一个画布和坐标系。例如，下面的代码创建一个包含一个子图（subplot）的画布：

fig, ax = plt.subplots()

这里，fig 是整个画布的对象，ax 是子图对象，是用于绘制图形的坐标系。可以在 ax 上使用 plt.plot() 函数绘制数据，如下所示：

x = [1, 2, 3, 4, 5]
y = [1, 4, 2, 3, 7]
ax.plot(x, y)

3. 添加图形元素

可以在图形中添加各种元素，如表格、标签、标题、坐标轴等。例如，下面的代码向图形添加了一个标题和坐标轴标签：

ax.set_title('My plot')
ax.set_xlabel('X axis label')
ax.set_ylabel('Y axis label')

4. 导出图形

完成绘图后，需要将其保存为文件。可以使用 plt.savefig() 函数保存图像。例如，下面的代码将图形保存为名为 "output.png" 的 PNG 文件：

plt.savefig('output.png')

这里，savefig() 函数需要指定文件名和图像格式，也可以选择保存图像的 DPI（点每英寸）和图像的边框裁剪（bbox_inches）。

示例1：绘制多个子图

下面是一个示例，展示如何绘制包含多个子图的画布，并将其保存到文件：

import numpy as np
import matplotlib.pyplot as plt

# 创建一个 2 x 2 的子图数组
fig, axs = plt.subplots(2, 2)

# 绘制第一个子图
x = np.arange(0, 10, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)
axs[0, 0].plot(x, y1)
axs[0, 0].set_title('Sin(x)')
axs[0, 0].set_xlabel('x')
axs[0, 0].set_ylabel('y')

# 绘制第二个子图
axs[0, 1].plot(x, y2)
axs[0, 1].set_title('Cos(x)')
axs[0, 1].set_xlabel('x')
axs[0, 1].set_ylabel('y')

# 绘制第三个子图
axs[1, 0].hist(y1, bins=20)
axs[1, 0].set_title('Histogram')
axs[1, 0].set_xlabel('Value')
axs[1, 0].set_ylabel('Frequency')

# 绘制第四个子图
axs[1, 1].scatter(x, y1, c=y2)
axs[1, 1].set_title('Scatter')
axs[1, 1].set_xlabel('x')
axs[1, 1].set_ylabel('y')

# 调整子图之间的间距
plt.subplots_adjust(wspace=0.3, hspace=0.3)

# 保存图形
plt.savefig('output.png')

示例2：使用 Seaborn 显示数据分布

下面是一个示例，展示如何使用 Seaborn 库快速绘制数据分布图，并将其保存到文件：

import seaborn as sns

# 加载数据集
tips = sns.load_dataset('tips')

# 使用 Seaborn 绘制数据分布
sns.displot(data=tips, x='total_bill', hue='time', kind='kde')

# 添加标题和标签
plt.title('Total Bill Distribution')
plt.xlabel('Total Bill ($)')
plt.ylabel('Density')

# 保存图形
plt.savefig('output.png')

这里，数据集包含关于餐厅小费的信息，绘制的图形展示了不同时间的消费总额分布。可以使用 kind 参数指定要绘制的图形类型，这里使用的是核密度估计（kde）。