使用在线 Python 环境快速绘制 Matplotlib 图表

对于初学者或临时需要验证可视化代码的用户，本地配置 Python 环境往往成为障碍。本文介绍如何利用在线 Python 运行工具（基于 Python 3.12.7），无需安装任何软件，直接在浏览器中执行 Matplotlib 代码并查看、下载生成的图像。

工具特性

支持 Python 3.12.7 及标准库
内置对 NumPy、Pandas、Matplotlib 等常用库的支持（可通过包管理器安装）
提供虚拟文件系统，支持创建、预览和下载文件（包括 .png、.jpg 等图像）
代码即时执行，结果实时输出
适用于教学演示、代码验证和轻量级数据可视化

工具地址：https://toolshu.com/python3

使用步骤

1. 编写绘图代码

在编辑器中输入以下示例代码：

import matplotlib.pyplot as plt

# 示例数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 15, 25, 30]

# 绘图
plt.figure(figsize=(6, 4))
plt.plot(x, y, marker='o')
plt.title('Simple Line Plot')
plt.xlabel('X')
plt.ylabel('Y')

# 显示图像（支持直接渲染）
plt.show()

# 保存图像到虚拟文件系统
plt.savefig('output.png')
print("图像已保存为 output.png")

2. 运行代码

点击“运行”按钮。控制台将输出提示信息，表明图像已生成并保存。

3. 查看与下载图像

点击界面中的“文件列表”功能；
找到 output.png；
点击“预览”可在线查看图像，点击“下载”可保存至本地。

注意事项

虚拟文件系统的内容与当前会话绑定，关闭页面后数据可能丢失，请及时下载重要文件。
虽然支持常用数据科学库，但部分依赖 C 扩展的第三方包可能无法安装或运行。
适用于中小型脚本和教学场景，不建议用于长时间或高资源消耗任务。

常见场景代码示例

1. 折线图（基础）

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 5, 3, 8, 7]

plt.plot(x, y, marker='o')
plt.title('Line Plot')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()
plt.savefig('line_plot.png')
plt.close()

2. 柱状图

import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'D']
values = [23, 45, 56, 78]

plt.bar(categories, values, color='skyblue')
plt.title('Bar Chart')
plt.xlabel('Category')
plt.ylabel('Value')
plt.show()
plt.savefig('bar_chart.png')
plt.close()

3. 散点图

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(0)
x = np.random.randn(100)
y = 2 * x + np.random.randn(100)

plt.scatter(x, y, alpha=0.7)
plt.title('Scatter Plot')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()
plt.savefig('scatter_plot.png')
plt.close()

4. 多子图（Subplots）

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

fig, axs = plt.subplots(2, 1, figsize=(6, 6))
axs[0].plot(x, y1)
axs[0].set_title('sin(x)')
axs[1].plot(x, y2, color='orange')
axs[1].set_title('cos(x)')

plt.tight_layout()
plt.show()
plt.savefig('subplots.png')
plt.close()

5. 与 Pandas 集成（需先安装 pandas）

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({
    'Month': ['Jan', 'Feb', 'Mar', 'Apr'],
    'Sales': [200, 250, 300, 280]
})

df.plot(x='Month', y='Sales', kind='bar', color='green')
plt.title('Monthly Sales')
plt.show()
plt.savefig('pandas_bar.png')
plt.close()

6. 保存高分辨率图像

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)

plt.figure(figsize=(8, 4))
plt.plot(x, y)
plt.title('High-Resolution Sine Wave')
plt.show()
plt.savefig('sine_hd.png', dpi=300, bbox_inches='tight')
plt.close()

提示：始终在脚本末尾调用 plt.close()（或 plt.clf()），以防止绘图状态在多次运行之间相互干扰。

总结

该在线工具显著降低了 Python 数据可视化的入门门槛，特别适合教学、快速验证和临时绘图需求。用户可专注于代码逻辑本身，无需处理环境配置问题。

立即体验：https://toolshu.com/python3