在数据驱动的时代，将枯燥的数字转化为直观的图形是科研与工程中不可或缺的技能。Matlab作为强大的数值计算与可视化工具，其二维绘图功能简洁高效，能够帮助用户快速洞察数据趋势与分布。本文将从基础绘图命令入手，系统介绍Matlab二维绘图的核心方法，并结合天气数据可视化案例，助你快速上手。

首先，所有Matlab二维绘图的核心是数据。你需要准备x轴和y轴的向量数据。最基本的绘图命令是plot。例如，要绘制y=sin(x)在[0,2π]上的图像，只需两行代码：x = 0:0.1:2*pi; y = sin(x); plot(x,y); 默认情况下，plot函数会生成一条蓝色实线。若想改变样式，可以添加第三个参数，如plot(x,y,'r--o')，表示红色虚线并在数据点处标出圆圈标记。此外，hold on命令允许你在同一张图上叠加多个图形，例如同时绘制正弦与余弦曲线。hold off则结束叠加。通过xlabel、ylabel和title函数，你可以为坐标轴添加标签和标题，使图形更易理解。

除了标准折线图，Matlab还提供了丰富的二维图形类型。scatter函数用于绘制散点图，特别适合展示数据分布。例如，scatter(x,y,50,'filled')会生成大小为50的实心散点。bar函数生成柱状图，常用于比较不同类别的数值。stem函数则用于绘制离散数据，如数列值，图形类似火柴杆。对于有统计意义的分布，histogram函数可以自动划分区间并绘制频率直方图，语法为histogram(data,'BinWidth',0.5)，可指定区间宽度。当你需要展示两个不同量纲的数据组时，双y轴绘图非常实用。使用yyaxis left和yyaxis right命令可以分别控制左右两侧的坐标轴。例如，左侧绘制温度曲线，右侧绘制降水量柱状图，使两个变量能在一张图上清晰对比。

进一步地，当数据包含角度信息时，极坐标图是更好的选择。polarplot函数接受角度theta和半径rho作为参数。例如，绘制心形线：theta = 0:0.01:2*pi; rho = 2*(1-cos(theta)); polarplot(theta,rho)。在绘图时，经常需要优化图形细节。使用grid on添加网格线；legend函数自动添加图例，并可指定位置如'NorthEast'。图形保存可通过图形窗口的“导出设置”或使用saveas(gcf,'filename.png')命令实现。

为了让你深刻理解这些方法，我们提供一个完整的实战案例：某城市一周的天气数据可视化。假设我们有日期（周一到周日）、最高气温、最低气温和降雨量。我们希望在单张图上展示这些信息。

代码实现如下：

% 数据准备

days = 1:7;

high_temp = [25, 28, 30, 27, 26, 29, 31];

low_temp = [18, 20, 22, 19, 18, 21, 23];

precipitation = [0, 5, 10, 2, 0, 15, 3];

% 绘制主图：温度曲线

figure; % 创建新图形

yyaxis left; % 激活左侧y轴

plot(days, high_temp, 'r-o', 'LineWidth', 2, 'MarkerSize', 8); % 红色实线圆圈标记

hold on;

plot(days, low_temp, 'b--s', 'LineWidth', 2, 'MarkerSize', 8); % 蓝色虚线方块标记

ylabel('温度 (°C)');

ylim([15 35]);

% 添加降雨量柱状图到右侧y轴

yyaxis right; % 激活右侧y轴

bar(days, precipitation, 0.4, 'FaceAlpha', 0.5); % 半透明蓝色柱状图

ylabel('降雨量 (mm)');

ylim([0 20]);

% 图形修饰

hold off;

xlabel('星期');

xticks(1:7);

xticklabels({'周一','周二','周三','周四','周五','周六','周日'});

title('一周城市天气数据可视化');

legend('最高气温','最低气温','降雨量','Location','NorthWest');

grid on;

执行上述代码后，你将得到一张清晰的可视化图形：左侧纵轴是温度范围，蓝色和红色的线段分别代表每日最高与最低气温的变化趋势；右侧纵轴是降雨量，通过半透明的蓝色柱状图直观显示。该图同时展示了温度波动和降水事件，便于分析天气模式，例如发现降雨日通常伴随着气温下降。

通过这个案例，你可以体会到Matlab二维绘图从数据到视觉洞察的强大能力。掌握这些基础与实战技巧后，你就能灵活应用于科研数据分析、工程项目报告以及日常学习之中。不妨尝试修改参数或绘制你自己的数据集，让数据真正“开口说话”。