Matplotlib — графики

НЕ ОБЯЗАТЕЛЬНОДЛЯ НОВИЧКОВ

Основы графиков на Python

Matplotlib — главная библиотека Python для построения графиков: линии, столбцы, точки, гистограммы, круговые диаграммы. Её используют в школе (график функции, лабораторная по физике), в вузе (курсовые, статистика) и на работе (отчёты, анализ данных).

С чего начать

Теория — Matplotlib — графики (архитектура, pyplot, экспорт). Массивы для осей X и Y — примеры NumPy. Символьные формулы (корни, производные) перед графиком — SymPy — уравнения и производные. Таблицы перед графиком — примеры Pandas, NumPy и pandas. Рисование фигур «от руки» — примеры Turtle (Python) или p5.js (браузер). Здесь — графики по числам: оси X и Y, подписи, легенда.

Как запустить пример

Установите библиотеки (один раз в терминале или командной строке):

pip install matplotlib numpy

Скопируйте код в файл, например grafik.py.
Запустите: python grafik.py — откроется окно с графиком.
В Google Colab или Jupyter Notebook вместо plt.show() график часто появляется прямо под ячейкой; show() тоже можно оставить.

Кому подойдёт эта страница

Школьникам — график y = x², синуса, температуры по дням. Студентам — scatter, гистограмма, box plot для лабораторных. Начинающим программистам — готовые шаблоны с разбором каждой строки: можно вставить в проект и поменять свои данные.

Базовые термины

Термин	Простыми словами
`Figure`	«Лист» или окно, на котором рисуем
`Axes`	Область с осями X и Y — сам график
`plt.plot()`	Линия по точкам
`plt.bar()`	Столбцы (столбчатая диаграмма)
`plt.scatter()`	Точки (диаграмма рассеяния)
`plt.hist()`	Гистограмма — сколько значений попало в каждый интервал
`plt.show()`	Показать график на экране
`label` + `legend()`	Подпись серии и легенда (что означает каждая линия)

Какой график выбрать

Задача	Что рисовать	Функция
График функции (sin, x², физика)	Линия	`plot`
Сравнить категории (языки, оценки)	Столбцы	`bar` / `barh`
Связь двух величин (рост и вес)	Точки	`scatter`
Распределение (сколько пятёрок, четвёрок)	Гистограмма	`hist`
Доли целого (100% = круг)	Круговая	`pie`
Несколько графиков на одном листе	Подграфики	`subplots`

Обязательные элементы

Любой скрипт с Matplotlib строится по одной схеме: данные → рисование → подписи → показ.

import matplotlib.pyplot as plt
import numpy as np

# 1. Данные
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 2. Рисование
plt.plot(x, y)

# 3. Подписи (без них график «голый» — преподаватель снимет баллы)
plt.xlabel("X")
plt.ylabel("Y")
plt.title("Заголовок")
plt.grid(True)

# 4. Показ
plt.show()

Разбор:

import matplotlib.pyplot as plt — подключаем pyplot и пишем коротко plt вместо длинного имени; это стандарт в учебниках и на Stack Overflow.
import numpy as np — NumPy считает sin, cos, массивы точек; Matplotlib только рисует.
np.linspace(0, 10, 100) — 100 равных шагов от 0 до 10 по оси X; линия получается гладкой, без «ломаных».
np.sin(x) — для каждой точки X считается Y; пишем формулу один раз — NumPy применяет её ко всему массиву.
plt.plot(x, y) — соединяет пары (x, y) линией.
xlabel, ylabel, title — подписи осей и заголовок; в отчёте обязательны.
grid(True) — сетка; проще читать значения с осей.
plt.show() — в обычном .py-файле без этой строки окно может мелькнуть и сразу закрыться.

Типичные ошибки новичков

Забыли plt.show() — «ничего не видно».
Перепутали порядок: сначала plot, потом подписи — порядок подписей не критичен, но show() всегда в конце.
Списки разной длины: x из 10 элементов, y из 8 — будет ошибка; длины должны совпадать.
Кириллица в подписях «квадратиками» — на Windows иногда нужен шрифт; для начала подойдут латинские подписи или plt.rcParams['font.family'] = 'DejaVu Sans'.

Стартовые графики

Пять типов, которые чаще всего ищут в интернете: линия, столбцы, точки, гистограмма, круговая.

Линейный график (sin, cos, любая функция)

Нужен, когда по оси X идёт время, угол или аргумент функции, а по Y — значение. Классика: синусоида, график из учебника алгебры.

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 200)
y = np.sin(x)

plt.plot(x, y, color="steelblue", linewidth=2, label="sin(x)")
plt.axhline(0, color="gray", linewidth=0.8)
plt.xlabel("x")
plt.ylabel("sin(x)")
plt.title("Синусоида")
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

Разбор:

2 * np.pi — один полный период синуса (от 0 до 360° в радианах); 200 точек — линия гладкая.
color="steelblue" — цвет линии; можно "red", "#ff0000", "green".
linewidth=2 — толщина линии в пунктах.
label="sin(x)" — имя серии для легенды; без legend() подпись на графике не появится.
plt.axhline(0, ...) — горизонтальная линия y = 0 (ось абсцисс); удобно для синуса и косинуса.
alpha=0.3 у сетки — полупрозрачность 30%; сетка не перебивает сам график.

График параболы y = x² (частый школьный запрос)

Тот же plot, но данные можно задать списком Python — NumPy необязателен для простых задач.

import matplotlib.pyplot as plt

x = list(range(-5, 6))      # -5, -4, …, 5
y = [i ** 2 for i in x]       # y = x²

plt.plot(x, y, marker="o", color="darkorange")
plt.xlabel("x")
plt.ylabel("y = x²")
plt.title("Парабола")
plt.grid(True)
plt.show()

Разбор:

range(-5, 6) — целые x от −5 до 5 включительно; для параболы симметрично вокруг нуля.
[i ** 2 for i in x] — list comprehension: для каждого x считаем x²; это и есть «формула» на Python.
marker="o" — кружки в каждой точке; видно, что график построен по дискретным значениям (можно убрать для гладкой линии).

Для y = 2x + 3 или y = -x² + 4x меняйте только формулу в списке y.

Столбчатая диаграмма (bar chart)

Сравнение категорий: языки программирования, оценки по предметам, продажи по месяцам. Высота столбца = величина.

import matplotlib.pyplot as plt

categories = ["Python", "Java", "Go", "Rust"]
values = [29, 17, 12, 8]

plt.bar(categories, values, color=["#3776ab", "#b07219", "#00add8", "#dea584"])
plt.ylabel("Доля опроса, %")
plt.title("Популярность языков (условные данные)")
plt.show()

Разбор:

categories — подписи под столбцами (строки).
values — высота каждого столбца; порядок совпадает с categories: Python → 29, Java → 17 и т.д.
color=[...] — свой цвет каждому столбцу; один цвет: color="blue".
plt.ylabel — что измеряем по вертикали; для bar chart это главная ось смысла.

Школьный вариант: categories = ["Математика", "Физика", "Информатика"], values = [5, 4, 5] — оценки или баллы.

Диаграмма рассеяния (scatter plot)

Показывает, есть ли связь между двумя числами: чем больше X, тем больше Y? Точки «облаком» — типичная картина для лабораторных и статистики.

import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng(42)
x = rng.normal(0, 1, 120)
y = 0.6 * x + rng.normal(0, 0.5, 120)

plt.scatter(x, y, alpha=0.6, edgecolors="white", linewidths=0.5)
plt.xlabel("Признак A")
plt.ylabel("Признак B")
plt.title("Scatter — связь двух переменных")
plt.grid(True, alpha=0.3)
plt.show()

Разбор:

default_rng(42) — генератор случайных чисел с фиксированным seed; при 42 график каждый раз одинаковый (удобно для сдачи работы).
rng.normal(0, 1, 120) — 120 случайных X вокруг 0 с разбросом 1 (нормальное распределение).
y = 0.6 * x + ... — линейная зависимость плюс шум; облако тянется вверх вправо — положительная корреляция.
scatter рисует отдельные точки, линию между ними не проводит.
alpha=0.6 — полупрозрачные точки; при наложении видно плотность.

Гистограмма (histogram)

Сколько значений попало в каждый интервал (корзину). Пример: рост класса, баллы за тест, время отклика сервера.

import matplotlib.pyplot as plt
import numpy as np

data = np.random.default_rng(0).normal(loc=100, scale=15, size=500)

plt.hist(data, bins=25, color="teal", edgecolor="white")
plt.xlabel("Значение")
plt.ylabel("Частота")
plt.title("Распределение выборки")
plt.show()

Разбор:

normal(loc=100, scale=15, size=500) — 500 случайных чисел вокруг среднего 100, разброс ±15 (условные «баллы»).
bins=25 — разбить диапазон на 25 столбиков; больше bins — мельче детали, меньше — грубее картина.
hist возвращает высоты столбиков; ось Y — сколько значений попало в интервал, не сами значения.
edgecolor="white" — белая граница между столбиками, график читается лучше.

Свои данные: data = [4, 5, 3, 5, 5, 4, 3, 5, 5, 5] — оценки класса; bins=5 или bins=[2.5, 3.5, 4.5, 5.5].

Круговая диаграмма (pie chart)

Доли от целого в процентах: бюджет, состав команды, ответы опроса. Сумма секторов должна быть 100% (или библиотека нормализует сама).

import matplotlib.pyplot as plt

labels = ["Backend", "Frontend", "DevOps", "Data"]
sizes = [40, 30, 15, 15]
explode = (0.05, 0, 0, 0)

plt.pie(
    sizes,
    explode=explode,
    labels=labels,
    autopct="%1.0f%%",
    startangle=90,
    colors=["#4c72b0", "#55a868", "#c44e52", "#8172b3"],
)
plt.title("Распределение задач в команде")
plt.axis("equal")
plt.show()

Разбор:

sizes — величина каждого сектора; 40 + 30 + 15 + 15 = 100 — проценты.
explode=(0.05, 0, 0, 0) — первый сектор «отодвинут» от центра для акцента.
autopct="%1.0f%%" — подпись процента на секторе (%.0f — без дробной части).
startangle=90 — первый сектор начинается сверху (как на 12 часов).
axis("equal") — круг остаётся кругом, а не овалом.

Круговую диагramму с более чем 5–6 секторами читают хуже столбчатой; для отчёта часто лучше bar.

Примеры графиков

Ниже — готовые заготовки с разбором: можно копировать целиком и менять числа под свою задачу.

1. Базовые типы

1.1. Несколько функций на одном графике

Сравнение sin, cos или нескольких экспериментов на одних осях. Обязательны label и legend().

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 300)

plt.plot(x, np.sin(x), label="sin(x)")
plt.plot(x, np.cos(x), label="cos(x)", linestyle="--")
plt.plot(x, np.sin(x) * np.exp(-0.1 * x), label="затухающая sin")
plt.legend()
plt.grid(True, alpha=0.3)
plt.title("Сравнение функций")
plt.xlabel("x")
plt.ylabel("y")
plt.show()

Разбор:

Три вызова plot на одних осях — три линии в одном окне.
linestyle="--" — пунктир для cos; можно "-" сплошная, ":" точки, "-." штрих-пунктир.
np.exp(-0.1 * x) — затухание амплитуды sin; пример из физики (колебания с трением).
legend() — блок «что какая линия»; без него подписи label не отображаются.

1.2. Горизонтальные столбцы (`barh`)

Те же столбцы, но лежат — удобно для длинных названий (навыки, фамилии, страны).

import matplotlib.pyplot as plt

skills = ["Git", "SQL", "Python", "Linux", "Docker"]
scores = [85, 78, 92, 70, 65]

plt.barh(skills, scores, color="cornflowerblue")
plt.xlabel("Балл")
plt.title("Навыки — горизонтальная диаграмма")
plt.xlim(0, 100)
plt.show()

Разбор:

barh — horizontal bar: первый аргумент — подписи по Y, второй — длина столбца по X.
xlim(0, 100) — ось от 0 до 100; шкала фиксирована, столбцы не «уплывают».

1.3. Групповые столбцы (две серии рядом)

Сравнение двух наборов по одним категориям: команда A и B по кварталам, мальчики и девочки по предметам.

import matplotlib.pyplot as plt
import numpy as np

groups = ["Q1", "Q2", "Q3", "Q4"]
team_a = [12, 19, 14, 22]
team_b = [10, 16, 18, 20]

x = np.arange(len(groups))
width = 0.35

fig, ax = plt.subplots()
ax.bar(x - width / 2, team_a, width, label="Команда A")
ax.bar(x + width / 2, team_b, width, label="Команда B")
ax.set_xticks(x)
ax.set_xticklabels(groups)
ax.set_ylabel("Закрытые задачи")
ax.set_title("Квартальная динамика")
ax.legend()
plt.show()

Разбор:

np.arange(len(groups)) — позиции 0, 1, 2, 3 на оси X (без подписей пока).
width = 0.35 — ширина одного столбца; два столбца рядом помещаются в одну «клетку».
x - width/2 и x + width/2 — сдвиг влево и вправо, столбцы не накладываются.
fig, ax = plt.subplots() — объектный стиль: все команды через ax, а не plt; так проще несколько графиков на одном листе.
set_xticks + set_xticklabels — подписи Q1…Q4 в нужных позициях.

1.4. Заливка между двумя кривыми (`fill_between`)

Показывает полосу между двумя функциями: допуск, коридор погрешности, min–max.

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 200)
y1 = np.sin(x)
y2 = np.cos(x)

plt.plot(x, y1, label="sin")
plt.plot(x, y2, label="cos")
plt.fill_between(x, y1, y2, alpha=0.25, color="steelblue")
plt.legend()
plt.title("Заливка между двумя сериями")
plt.grid(True, alpha=0.3)
plt.show()

Разбор:

fill_between(x, y1, y2) — закрашивает область между верхней и нижней линией.
alpha=0.25 — заливка полупрозрачная, линии sin/cos видны поверх.

2. Подграфики и компоновка

2.1. Сетка 2×2 (четыре графика на одном листе)

Один рисунок для отчёта: разные виды данных рядом.

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

fig, axes = plt.subplots(2, 2, figsize=(9, 7))
fig.suptitle("Панель из четырёх графиков")

axes[0, 0].plot(x, np.sin(x))
axes[0, 0].set_title("sin(x)")

axes[0, 1].plot(x, np.cos(x), color="orange")
axes[0, 1].set_title("cos(x)")

axes[1, 0].scatter(x[::5], np.random.default_rng(1).normal(size=20))
axes[1, 0].set_title("Scatter")

axes[1, 1].hist(np.random.default_rng(2).normal(size=300), bins=20)
axes[1, 1].set_title("Гистограмма")

fig.tight_layout()
plt.show()

Разбор:

subplots(2, 2) — сетка 2 строки × 2 столбца; axes[строка, столбец] — доступ к каждой ячейке.
figsize=(9, 7) — размер всего окна в дюймах (ширина, высота).
suptitle — общий заголовок над всеми подграфиками; set_title — заголовок одной ячейки.
x[::5] — каждая 5-я точка из x (меньше точек на scatter для наглядности).
tight_layout() — автоматически поджимает отступы, подписи не наезжают друг на друга.

2.2. Два графика друг под другом с общей осью X

Классика для временных рядов: сверху продажи, снизу возвраты; месяцы на одной шкале.

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(1, 13)
sales = [40, 45, 50, 48, 55, 60, 58, 62, 65, 70, 68, 75]
returns = [2, 3, 2, 4, 3, 5, 4, 3, 6, 5, 4, 7]

fig, (ax1, ax2) = plt.subplots(2, 1, sharex=True, figsize=(8, 6))
ax1.plot(x, sales, marker="o")
ax1.set_ylabel("Продажи")
ax1.set_title("Продажи и возвраты по месяцам")
ax1.grid(True, alpha=0.3)

ax2.bar(x, returns, color="salmon")
ax2.set_xlabel("Месяц")
ax2.set_ylabel("Возвраты")

fig.tight_layout()
plt.show()

Разбор:

subplots(2, 1) — два графика вертикально (2 строки, 1 столбец).
sharex=True — ось X одна на оба; подписи месяцев только снизу, сверху не дублируются.
(ax1, ax2) — распаковка двух осей в переменные; так код читается проще, чем axes[0] и axes[1].
marker="o" — точки на линии продаж в каждом месяце.

3. Оформление и стили

3.1. Готовые стили оформления

Matplotlib умеет переключать «тему» одной строкой — для презентации или курсовой.

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

for style in ["default", "ggplot", "seaborn-v0_8-darkgrid", "fivethirtyeight"]:
    plt.style.use(style)
    plt.plot(x, np.sin(x))
    plt.title(f"Стиль: {style}")
    plt.show()

Разбор:

plt.style.use(style) — глобально меняет шрифты, фон, цвета линий до следующего style.use.
Цикл открывает четыре окна подряд — закройте каждое, чтобы увидеть следующее.
seaborn-v0_8-darkgrid — имя стиля в новых версиях Matplotlib; если ошибка «style not found», выполните print(plt.style.available).

3.2. Объектно-ориентированный API (рекомендуется для сложных графиков)

Явные fig и ax — стандарт для отчётов и нескольких осей на одном листе.

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 6, 150)
y = np.sin(x)

fig, ax = plt.subplots(figsize=(8, 4.5))
ax.plot(x, y, color="#2a9d8f", linewidth=2.5)
ax.set(xlabel="x", ylabel="sin(x)", title="OO-стиль: fig и ax")
ax.spines["top"].set_visible(False)
ax.spines["right"].set_visible(False)
ax.grid(True, axis="y", alpha=0.4)
fig.tight_layout()
plt.show()

Разбор:

fig — всё окно; ax — одна пара осей. Сохранение: fig.savefig(...).
ax.set(xlabel=..., ylabel=..., title=...) — три подписи одним вызовом.
spines — «рамка» графика; отключение верхней и правой — приём из статистических журналов, меньше визуального шума.
grid(True, axis="y") — только горизонтальные линии сетки.

3.3. Scatter с цветом третьего признака

Каждая точка может нести третье число через цвет — например, расстояние от центра или температура.

import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng(7)
n = 200
x = rng.uniform(0, 10, n)
y = rng.uniform(0, 10, n)
c = np.sqrt(x ** 2 + y ** 2)

plt.scatter(x, y, c=c, cmap="viridis", s=40, alpha=0.85)
plt.colorbar(label="Расстояние от начала")
plt.title("Scatter с цветовой кодировкой")
plt.show()

Разбор:

c=c — массив длины n: цвет каждой точки берётся из c[i].
cmap="viridis" — палитра от тёмного к жёлтому; plasma, coolwarm — другие варианты.
s=40 — размер маркера в пунктах².
colorbar() — шкала справа: какому цвету какое значение c соответствует.

4. Статистические и аналитические графики

4.1. Ящик с усами (box plot)

Медиана, квартили и выбросы одним рисунком — сравнение трёх групп без гистограмм на каждую.

import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng(0)
data = [
    rng.normal(100, 10, 100),
    rng.normal(105, 12, 100),
    rng.normal(95, 8, 100),
]

plt.boxplot(data, tick_labels=["Группа A", "Группа B", "Группа C"])
plt.ylabel("Значение")
plt.title("Сравнение распределений")
plt.grid(True, axis="y", alpha=0.3)
plt.show()

Разбор:

data — список из трёх массивов; каждый массив — одна «коробка».
boxplot рисует медиану (линия внутри), ящик Q1–Q3, «усы» и точки-выбросы.
tick_labels — подписи групп под осью X.

4.2. Столбцы с погрешностью (`yerr`)

Среднее ± ошибка измерения — частый формат лабораторной и научной статьи.

import matplotlib.pyplot as plt
import numpy as np

labels = ["A", "B", "C", "D"]
means = [23, 31, 28, 35]
errors = [2.1, 3.0, 2.5, 2.8]

x = np.arange(len(labels))
plt.bar(x, means, yerr=errors, capsize=5, color="slateblue", alpha=0.85)
plt.xticks(x, labels)
plt.ylabel("Среднее")
plt.title("Средние значения ± погрешность")
plt.show()

Разбор:

yerr=errors — вертикальные «усики» погрешности на каждом столбце.
capsize=5 — горизонтальные черточки на концах усиков (длина в пунктах).
xticks(x, labels) — вместо 0,1,2,3 подписи A, B, C, D.

4.3. Тепловая карта (`imshow`)

Матрица чисел → цвета: корреляции признаков, таблица по дням и часам.

import matplotlib.pyplot as plt
import numpy as np

matrix = np.array([
    [1.0, 0.8, 0.3, 0.1],
    [0.8, 1.0, 0.5, 0.2],
    [0.3, 0.5, 1.0, 0.7],
    [0.1, 0.2, 0.7, 1.0],
])

fig, ax = plt.subplots()
im = ax.imshow(matrix, cmap="RdYlBu_r", vmin=0, vmax=1)
ax.set_xticks(range(4))
ax.set_yticks(range(4))
ax.set_xticklabels(["F1", "F2", "F3", "F4"])
ax.set_yticklabels(["F1", "F2", "F3", "F4"])
fig.colorbar(im, ax=ax, label="Корреляция")
ax.set_title("Матрица корреляций")
plt.show()

Разбор:

imshow — каждая ячейка матрицы = цвет; строки идут сверху вниз (как в массиве NumPy).
vmin=0, vmax=1 — шкала цвета зафиксирована; без этого контраст может «плыть».
RdYlBu_r — красный–жёлтый–синий (обратный); _r — reverse палитры.
colorbar(im, ax=ax) — легенда цветов привязана к этой оси.

4.4. Стековая диаграмма (`stackplot`)

Как меняется состав целого во времени: доли каналов, типов трафика.

import matplotlib.pyplot as plt
import numpy as np

years = np.array([2022, 2023, 2024, 2025])
web = np.array([30, 35, 38, 40])
mobile = np.array([25, 28, 32, 36])
api = np.array([15, 18, 22, 24])

plt.stackplot(
    years,
    web,
    mobile,
    api,
    labels=["Web", "Mobile", "API"],
    alpha=0.85,
)
plt.legend(loc="upper left")
plt.xlabel("Год")
plt.ylabel("Доля трафика, %")
plt.title("Структура трафика во времени")
plt.show()

Разбор:

stackplot(x, y1, y2, y3) — слои друг на друге; суммарная высота в точке x = web + mobile + api.
legend(loc="upper left") — легенда в левом верхнем углу; loc можно "best", "lower right" и т.д.

5. Подписи, аннотации и шкалы

5.1. Подпись экстремума (максимум, минимум)

Стрелка и текст на графике — для пояснения на защите проекта или слайде.

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 300)
y = np.sin(x)
peak_idx = np.argmax(y)
peak_x, peak_y = x[peak_idx], y[peak_idx]

plt.plot(x, y)
plt.scatter([peak_x], [peak_y], color="red", zorder=5)
plt.annotate(
    f"max = {peak_y:.2f}",
    xy=(peak_x, peak_y),
    xytext=(peak_x + 1.5, peak_y - 0.3),
    arrowprops=dict(arrowstyle="->", color="gray"),
)
plt.title("Поиск и подпись экстремума")
plt.grid(True, alpha=0.3)
plt.show()

Разбор:

np.argmax(y) — индекс максимального элемента в массиве y.
peak_x, peak_y = x[peak_idx], y[peak_idx] — координаты пика на графике.
scatter([peak_x], [peak_y]) — выделить точку красным; zorder=5 — рисовать поверх линии.
annotate(...) — текст xytext со стрелкой к точке xy; f"max = {peak_y:.2f}" — два знака после запятой.

5.2. Логарифмическая шкала

Когда числа разбросаны на несколько порядков (1, 10, 1000, 1000000) — обычная ось сжимает мелкие значения.

import matplotlib.pyplot as plt
import numpy as np

x = np.logspace(0, 4, 50)
y = x ** 1.5

plt.loglog(x, y, marker="o", markersize=4)
plt.xlabel("X (log)")
plt.ylabel("Y (log)")
plt.title("Степенная зависимость на log-log")
plt.grid(True, which="both", alpha=0.3)
plt.show()

Разбор:

np.logspace(0, 4, 50) — 50 точек от 10⁰=1 до 10⁴=10000 логарифмически равномерно.
loglog — логарифм по обеим осям; прямая на таком графике часто означает степенной закон y ∝ x^1.5.
which="both" у сетки — линии для основных и промежуточных делений.

5.3. Даты на оси X (временной ряд)

Продажи по дням, температура, курс валюты — ось X из объектов datetime.

import matplotlib.pyplot as plt
import numpy as np
from datetime import datetime, timedelta

start = datetime(2025, 1, 1)
dates = [start + timedelta(days=i) for i in range(30)]
values = np.cumsum(np.random.default_rng(3).normal(0, 1, 30)) + 100

fig, ax = plt.subplots()
ax.plot(dates, values, marker=".")
fig.autofmt_xdate()
ax.set_title("Временной ряд")
ax.set_ylabel("Метрика")
ax.grid(True, alpha=0.3)
plt.show()

Разбор:

timedelta(days=i) — i-й день от стартовой даты; список из 30 дат подряд.
np.cumsum(...) — накопительная сумма случайных шагов → «блуждающая» кривая вокруг 100.
autofmt_xdate() — наклоняет подписи дат, чтобы не налезали друг на друга.
Matplotlib сам понимает datetime на оси X — отдельный конвертер не нужен.

6. Специальные типы графиков

6.1. Полярная диаграмма

Угол θ и радиус r вместо x и y — розы ветров, диаграммы направлений.

import matplotlib.pyplot as plt
import numpy as np

theta = np.linspace(0, 2 * np.pi, 360)
r = 1 + 0.3 * np.sin(5 * theta)

fig, ax = plt.subplots(subplot_kw={"projection": "polar"})
ax.plot(theta, r, color="purple")
ax.set_title("Роза в полярных координатах")
plt.show()

Разбор:

projection="polar" — ось в виде круга; первый аргумент plot — угол в радианах, второй — радиус.
5 * theta в sin — пять «лепестков» за оборот.

6.2. Контурный график (линии уровня)

Функция двух переменных z = f(x, y) — топографическая карта высот или потенциала.

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 120)
y = np.linspace(-3, 3, 120)
X, Y = np.meshgrid(x, y)
Z = np.sin(X) * np.cos(Y)

fig, ax = plt.subplots()
contour = ax.contour(X, Y, Z, levels=12, cmap="coolwarm")
ax.clabel(contour, inline=True, fontsize=8)
ax.set_title("Линии уровня sin(x)·cos(y)")
plt.show()

Разбор:

meshgrid — двумерные сетки X и Y: в каждой точке (xi, yj) считаем Z.
contour(..., levels=12) — 12 линий уровня; точки на одной линии имеют одинаковое Z.
clabel — подписи значения Z на линиях.

6.3. 3D-поверхность

Объёмный график функции двух переменных; модуль mplot3d в составе Matplotlib.

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-5, 5, 60)
y = np.linspace(-5, 5, 60)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X ** 2 + Y ** 2))

fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111, projection="3d")
ax.plot_surface(X, Y, Z, cmap="viridis", edgecolor="none", alpha=0.9)
ax.set_title("3D-поверхность")
plt.show()

Разбор:

sqrt(X**2 + Y**2) — расстояние от центра; sin от него даёт «волну» от центра.
plot_surface — цветная поверхность; edgecolor="none" убирает сетку граней для гладкого вида.
Окно можно крутить мышью (если интерактивный backend).

7. Анимация

7.1. Движущаяся синусоида

Кадр за кадром меняем данные линии — основа GIF и простых симуляций.

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()
x = np.linspace(0, 2 * np.pi, 200)
(line,) = ax.plot(x, np.sin(x))
ax.set_ylim(-1.2, 1.2)
ax.grid(True, alpha=0.3)


def update(frame):
    line.set_ydata(np.sin(x + frame / 10))
    return (line,)


anim = FuncAnimation(fig, update, frames=120, interval=50, blit=True)
plt.show()

Разбор:

(line,) = ax.plot(...) — запятая создаёт кортеж из одного объекта Line2D; нужно для blit.
update(frame) вызывается frames раз; frame — номер кадра 0, 1, 2, …
frame / 10 — фаза синуса сдвигается → волна «бежит».
interval=50 — 50 мс между кадрами (~20 FPS).
blit=True — перерисовывается только линия, быстрее на слабых ПК.

Сохранение: anim.save("wave.gif", writer="pillow") — нужен пакет pillow. Для MP4 — ffmpeg в системе.

8. Экспорт и публикация

8.1. Сохранение в PNG и PDF

График в файл — для Word, LaTeX, презентации, сдачи на платформу. Вставка PDF в .tex-отчёт — LaTeX — формулы для отчётов.

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.cos(x)

fig, ax = plt.subplots(figsize=(6, 4), dpi=120)
ax.plot(x, y, linewidth=2)
ax.set_title("График для отчёта")
fig.tight_layout()
fig.savefig("report_plot.png", bbox_inches="tight")
fig.savefig("report_plot.pdf")
plt.show()

Разбор:

figsize=(6, 4) — размер в дюймах; вместе с dpi=120 PNG получится примерно 720×480 пикселей.
savefig до или после show() — оба варианта работают; часто сохраняют перед показом.
bbox_inches="tight" — обрезка пустых полей по краям.
PDF — вектор: при печати не «мылится», как растровый PNG.

8.2. PNG с прозрачным фоном

Вставка графика на цветной слайд или сайт без белого прямоугольника.

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 6, 100)
plt.plot(x, np.sin(x), color="navy", linewidth=3)
plt.axis("off")
plt.savefig("sin_transparent.png", transparent=True, bbox_inches="tight", pad_inches=0.1)
plt.show()

Разбор:

axis("off") — скрыть оси, рамку и подписи; остаётся только линия.
transparent=True — фон PNG прозрачный (альфа-канал).
pad_inches=0.1 — узкая рамка вокруг линии при обрезке.

9. Переиспользуемые базы

9.1. Шаблон для экспериментов

Один раз настроили размер и стиль — дальше только меняете данные.

def setup_figure(
    title: str = "Matplotlib experiment",
    width: float = 8.0,
    height: float = 5.0,
    style: str = "seaborn-v0_8-whitegrid",
) -> tuple:
    import matplotlib.pyplot as plt

    plt.style.use(style)
    fig, ax = plt.subplots(figsize=(width, height))
    ax.set_title(title)
    return fig, ax


# Пример использования:
fig, ax = setup_figure("Мой график")
ax.plot([1, 2, 3], [1, 4, 9])
plt.show()

Разбор:

Функция возвращает (fig, ax) — дальше рисуете через ax.plot, ax.set_xlabel и т.д.
Параметры со значениями по умолчанию — можно вызвать setup_figure() без аргументов.

9.2. Сброс состояния pyplot

В Jupyter старые фигуры «висят» в памяти — перед новым графиком полезно очистить.

import matplotlib.pyplot as plt

def reset_pyplot():
    plt.close("all")
    plt.clf()
    plt.cla()

Разбор:

close("all") — закрыть все окна Figure.
clf() — clear figure текущего окна; cla() — clear axes (очистить оси).

Частые задания из школы и вуза

Задание	Что взять из этой страницы
Построить график y = sin x	Линейный график
Построить параболу y = x²	График параболы
Столбчатая диаграмма по таблице	Столбчатая диаграмма
Гистограмма оценок класса	Гистограмма
Два графика на одном рисунке	Сетка 2×2 или несколько функций
Сохранить график в файл для отчёта	PNG и PDF

Как сдавать работу

Сохраните PNG через fig.savefig("grafik.png", dpi=150, bbox_inches="tight"), вставьте в Word или Google Docs. Подписи осей и заголовок на графике должны совпадать с формулировкой в задании — преподаватель сверяет именно это.

См. также

Matplotlib — графики — теория, API, экспорт
Анализ данных и научные вычисления — NumPy, Pandas, Seaborn, Plotly
Python для анализа данных — описательная статистика и визуализация
LaTeX — формулы для отчётов — оформление формул в PDF
SymPy — уравнения и производные — решение уравнений и производные в Python
Примеры фигур Turtle на Python — 2D-рисование через turtle
Примеры фигур Panda3D на Python — 3D-сцены
Tkinter — окна и виджеты — формы и кнопки; график Matplotlib можно встроить в то же окно (319)

См. также

Другие статьи этого же раздела в боковом меню (как на странице "О разделе").

Основы графиков на Python​

Как запустить пример​

Базовые термины​

Какой график выбрать​

Обязательные элементы​

Стартовые графики​

Линейный график (sin, cos, любая функция)​

График параболы y = x² (частый школьный запрос)​

Столбчатая диаграмма (bar chart)​

Диаграмма рассеяния (scatter plot)​

Гистограмма (histogram)​

Круговая диаграмма (pie chart)​

Примеры графиков​

1. Базовые типы​

1.1. Несколько функций на одном графике​

1.2. Горизонтальные столбцы (barh)​

1.3. Групповые столбцы (две серии рядом)​

1.4. Заливка между двумя кривыми (fill_between)​

2. Подграфики и компоновка​

2.1. Сетка 2×2 (четыре графика на одном листе)​

2.2. Два графика друг под другом с общей осью X​

3. Оформление и стили​

3.1. Готовые стили оформления​

3.2. Объектно-ориентированный API (рекомендуется для сложных графиков)​

3.3. Scatter с цветом третьего признака​

4. Статистические и аналитические графики​

4.1. Ящик с усами (box plot)​

4.2. Столбцы с погрешностью (yerr)​

4.3. Тепловая карта (imshow)​

4.4. Стековая диаграмма (stackplot)​

5. Подписи, аннотации и шкалы​

5.1. Подпись экстремума (максимум, минимум)​

5.2. Логарифмическая шкала​

5.3. Даты на оси X (временной ряд)​

6. Специальные типы графиков​

6.1. Полярная диаграмма​

6.2. Контурный график (линии уровня)​

6.3. 3D-поверхность​

7. Анимация​

7.1. Движущаяся синусоида​

8. Экспорт и публикация​

8.1. Сохранение в PNG и PDF​

8.2. PNG с прозрачным фоном​

9. Переиспользуемые базы​

9.1. Шаблон для экспериментов​

9.2. Сброс состояния pyplot​

Частые задания из школы и вуза​

См. также​

Связанные темы

См. также

📄️Готовые решения

📄️Простой консольный чат на CSharp

📄️HTML + CSS — готовые макеты

📄️Примеры фигур Turtle на Python

📄️Примеры фигур Panda3D на Python

📄️Docker Compose — готовые стеки

📄️Nginx — конфиги под задачу

📄️Dockerfile — 10 типовых образов

📄️Prometheus + Grafana — запросы

📄️Kubernetes YAML — минимальные манифесты

📄️Pandas — типовые операции

📄️Примеры фигур на Processing/p5.js

Основы графиков на Python

Как запустить пример

Базовые термины

Какой график выбрать

Обязательные элементы

Стартовые графики

Линейный график (sin, cos, любая функция)

График параболы y = x² (частый школьный запрос)

Столбчатая диаграмма (bar chart)

Диаграмма рассеяния (scatter plot)

Гистограмма (histogram)

Круговая диаграмма (pie chart)

Примеры графиков

1. Базовые типы

1.1. Несколько функций на одном графике

1.2. Горизонтальные столбцы (`barh`)

1.3. Групповые столбцы (две серии рядом)

1.4. Заливка между двумя кривыми (`fill_between`)

2. Подграфики и компоновка

2.1. Сетка 2×2 (четыре графика на одном листе)

2.2. Два графика друг под другом с общей осью X

3. Оформление и стили

3.1. Готовые стили оформления

3.2. Объектно-ориентированный API (рекомендуется для сложных графиков)

3.3. Scatter с цветом третьего признака

4. Статистические и аналитические графики

4.1. Ящик с усами (box plot)

4.2. Столбцы с погрешностью (`yerr`)

4.3. Тепловая карта (`imshow`)

4.4. Стековая диаграмма (`stackplot`)

5. Подписи, аннотации и шкалы

5.1. Подпись экстремума (максимум, минимум)

5.2. Логарифмическая шкала

5.3. Даты на оси X (временной ряд)

6. Специальные типы графиков

6.1. Полярная диаграмма

6.2. Контурный график (линии уровня)

6.3. 3D-поверхность

7. Анимация

7.1. Движущаяся синусоида

8. Экспорт и публикация

8.1. Сохранение в PNG и PDF

8.2. PNG с прозрачным фоном

9. Переиспользуемые базы

9.1. Шаблон для экспериментов

9.2. Сброс состояния pyplot

Частые задания из школы и вуза

См. также