代码收藏家技术教程 14天前

Python绘图与数据可视化实战指南

一、基础工具库

1、Matplotlib（最基础的绘图库）

2、Seaborn（基于 Matplotlib 的高级统计图表库）

3、Pandas 内置绘图（适合快速探索数据）

二、常见图表类型及代码

三、学习技巧

一、基础工具库

1、Matplotlib（最基础的绘图库）

安装：pip install matplotlib

核心概念：

Figure：画布（类似一张纸）

Axes：坐标系（在画布上划分绘图区域）

快速上手：

import matplotlib.pyplot as plt

# 准备数据
x = [1, 2, 3, 4]
y = [10, 20, 15, 30]

# 创建画布和坐标系
plt.figure(figsize=(8, 4))  # 设置画布大小
plt.plot(x, y, label='折线', color='blue', linestyle='--')  # 画折线图
plt.title("我的第一个图表")  # 标题
plt.xlabel("X轴")  # X轴标签
plt.ylabel("Y轴")  # Y轴标签
plt.legend()  # 显示图例
plt.grid(True)  # 显示网格
plt.show()  # 显示图表

运行结果：

代码分析：

（1）导入库：

import matplotlib.pyplot as plt

作用：导入 Matplotlib 的绘图模块，并简写为 plt（行业惯例）。

注意：需提前安装库（命令行运行 pip install matplotlib）。

（2）准备数据

x = [1, 2, 3, 4]
y = [10, 20, 15, 30]

作用：定义 X 轴和 Y 轴的数据（两个列表长度需一致）。

对应关系：(1,10), (2,20), (3,15), (4,30) 四个坐标点。

（3）创建画布

plt.figure(figsize=(8, 4))

作用：创建画布并设置尺寸为 8 英寸（宽）× 4 英寸（高）。

扩展：若不设置尺寸，Matplotlib 会使用默认大小。

（4）绘制折线图

plt.plot(x, y, label='示例折线', color='blue', linestyle='--')

参数解析：

x, y：数据点坐标。

label：图例标签名称。

color：线条颜色（支持英文名、十六进制码等）。

linestyle：线型（'-' 实线，':' 点线，'--' 虚线等）。

（5）添加图表元素

plt.title("我的第一个图表")  # 标题
plt.xlabel("X轴")          # X轴标签
plt.ylabel("Y轴")          # Y轴标签
plt.legend()               # 显示图例
plt.grid(True)             # 显示网格

细节：

标题和轴标签支持通过 fontsize 参数调整字体大小（如 fontsize=12）。

plt.legend() 依赖 plot() 中的 label 参数生成图例。

（6）显示图表

plt.show()

作用：弹出窗口显示绘制好的图表。

注意：在脚本中必须调用此方法才能显示图表（Jupyter Notebook 中可能自动显示）。

（7）扩展学习建议

修改样式：尝试更改 color 和 linestyle，观察图表变化。
添加更多数据：扩展 x 和 y 列表，绘制更复杂的曲线。
其他图表类型：探索 plt.bar()（柱状图）、plt.scatter()（散点图）等函数。
保存图表：在 plt.show() 前添加 plt.savefig('chart.png') 可保存为图片。

2、Seaborn（基于 Matplotlib 的高级统计图表库）

特点：简化复杂图表（如热力图、分布图）的代码

安装：pip install seaborn

快速示例：

import matplotlib.pyplot as plt
import seaborn as sns
tips = sns.load_dataset("tips")  # 内置示例数据集

# 绘制箱线图
sns.boxplot(x="day", y="total_bill", data=tips)
plt.show()

运行结果：

代码分析：

（1）导入库

（2）加载数据集

tips = sns.load_dataset("tips")  # 内置示例数据集

数据集说明：

Seaborn 内置的餐厅小费数据集

包含 244 行数据，列包括：

total_bill：总消费金额（美元）

tip：小费金额

day：星期几（Thur, Fri, Sat, Sun）

其他列：性别、是否吸烟、用餐时间等。

（3）绘制箱线图

sns.boxplot(x="day", y="total_bill", data=tips)

参数解析：

x="day"：将星期几（分类变量）放在 X 轴

y="total_bill"：将消费金额（数值变量）放在 Y 轴

data=tips：指定数据来源

箱线图作用：

展示不同星期几的消费金额分布

显示中位数、四分位数、离群值等统计信息

（4）显示图表

plt.show()

注意：虽然使用了 Seaborn，但最终仍需要通过 Matplotlib 的 plt.show() 显示图表

（5）最终效果

生成 4 个箱线图（对应星期四到星期日）

每个箱线图展示当天所有顾客消费金额的分布情况

（6）常见问题解答

Q1：为什么选择箱线图？

适合比较不同类别间的数值分布

能直观显示数据的中位数、波动范围和异常值

Q2：数据格式要求？

X 轴一般为分类变量（字符串或有限类别）

Y 轴为连续数值变量

Q3：如何保存图表？

在 plt.show() 前添加：

plt.savefig("boxplot.png", dpi=300)

3、Pandas 内置绘图（适合快速探索数据）

直接调用 DataFrame 的 .plot() 方法：

# 导入必要库
import pandas as pd
import matplotlib.pyplot as plt  # 必须添加

# 创建 DataFrame
df = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6]})

# 绘制柱状图
df.plot(kind='bar')

# 显示图表
plt.show()  # 确保调用此方法

运行结果：

代码分析：

(1) 导入库

import pandas as pd
import matplotlib.pyplot as plt  # 必须添加

作用：

pandas 用于数据处理（创建 DataFrame）

matplotlib.pyplot 是绘图的核心模块

注意：

虽然 df.plot() 是 pandas 的方法，但底层依然依赖 Matplotlib，所以必须导入 plt 并用 plt.show() 显示图表

(2) 创建 DataFrame

df = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6]})

结果：

绘图关键点：

默认使用 DataFrame 的索引（0,1,2）作为 X 轴

列名 A 和 B 会自动成为图例中的标签

(3) 绘制柱状图

df.plot(kind='bar')

等价写法：

df.plot.bar()  # 更简洁的写法

参数说明：

kind='bar'：指定柱状图类型（若想要水平柱状图用 kind='barh'）

默认颜色会自动分配（可通过 color=['blue','orange'] 自定义）

(4) 显示图表

plt.show()

为什么必须：

在非 Jupyter 环境中（如普通 Python 脚本），必须调用此方法才会显示图表

在 Jupyter Notebook 中可配合 %matplotlib inline 魔法命令自动显示

二、常见图表类型及代码

图表类型	用途	代码片段
折线图	趋势分析	`plt.plot(x, y)`
散点图	相关性分析	`plt.scatter(x, y)`
柱状图	分类数据对比	`plt.bar(categories, values)`
直方图	数据分布	`plt.hist(data, bins=20)`
箱线图	数据分布与异常值检测	`sns.boxplot(x='category', y='value', data=df)`
热力图	矩阵数据/相关性矩阵	`sns.heatmap(corr_matrix)`