使用在線 Python 環境快速繪製 Matplotlib 圖表

對於初學者或臨時需要驗證可視化代碼的用戶，本地配置 Python 環境往往成爲障礙。本文介紹如何利用 在線 Python 運行工具（基於 Python 3.12.7），無需安裝任何軟件，直接在瀏覽器中執行 Matplotlib 代碼並查看、下載生成的圖像。

工具特性

• 支持 Python 3.12.7 及標準庫
• 內置對 NumPy、Pandas、Matplotlib 等常用庫的支持（可通過包管理器安裝）
• 提供虛擬文件系統，支持創建、預覽和下載文件（包括 .png、.jpg 等圖像）
• 代碼即時執行，結果實時輸出
• 適用於教學演示、代碼驗證和輕量級數據可視化

工具地址：https://toolshu.com/python3

使用步驟

1. 編寫繪圖代碼

在編輯器中輸入以下示例代碼：

import matplotlib.pyplot as plt

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

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

# 顯示圖像（支持直接渲染）
plt.show()

# 保存圖像到虛擬文件系統
plt.savefig('output.png')
print("圖像已保存爲 output.png")

2. 運行代碼

點擊“運行”按鈕。控制檯將輸出提示信息，表明圖像已生成並保存。

3. 查看與下載圖像

• 點擊界面中的“文件列表”功能；
• 找到 output.png；
• 點擊“預覽”可在線查看圖像，點擊“下載”可保存至本地。

注意事項

• 虛擬文件系統的內容與當前會話綁定，關閉頁面後數據可能丟失，請及時下載重要文件。
• 雖然支持常用數據科學庫，但部分依賴 C 擴展的第三方包可能無法安裝或運行。
• 適用於中小型腳本和教學場景，不建議用於長時間或高資源消耗任務。

常見場景代碼示例

1. 折線圖（基礎）

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. 柱狀圖

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. 散點圖

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. 多子圖（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. 與 Pandas 集成（需先安裝 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. 保存高分辨率圖像

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：始終在腳本末尾調用 plt.close()（或 plt.clf()），以防止繪圖狀態在多次運行之間相互干擾。

總結

該在線工具顯著降低了 Python 數據可視化的入門門檻，特別適合教學、快速驗證和臨時繪圖需求。用戶可專注於代碼邏輯本身，無需處理環境配置問題。

立即體驗：https://toolshu.com/python3