画图：把数据变得直观

数据算出来了，但一堆数字摆在那里，老板看不懂，你也讲不清。这时候就需要画图——一张好图胜过千言万语。这一篇用 matplotlib 学最常见的几种图表。

安装和第一张图

pip install matplotlib

import matplotlib.pyplot as plt

# 简单折线图
x = [1, 2, 3, 4, 5]
y = [2, 4, 1, 5, 3]

plt.plot(x, y)          # 画折线
plt.title("我的第一张图")
plt.xlabel("X 轴")
plt.ylabel("Y 轴")
plt.show()              # 显示（脚本运行会弹窗）
# plt.savefig("chart.png")   # 服务器/脚本环境用保存，dpi=200 更清晰

流程固定：plt.plot(...) 画图 → 加标题标签 → plt.show() 或 savefig 输出。所有图表都这个套路。

非交互环境（服务器、脚本）记得用 plt.savefig("xx.png", dpi=200) 代替 show()，并加 plt.close() 释放。

折线图：趋势

折线图适合展示随时间的变化趋势：

import matplotlib.pyplot as plt

months = ["1月", "2月", "3月", "4月", "5月", "6月"]
visits = [1200, 1500, 1300, 1800, 2200, 2600]

plt.plot(months, visits, marker="o", color="#4d6bfe", linewidth=2)
plt.title("网站月度访问量")
plt.xlabel("月份")
plt.ylabel("访问次数")
plt.grid(True, alpha=0.3)          # 网格线，方便读数
plt.savefig("trend.png", dpi=200)
plt.close()

柱状图：对比

柱状图适合不同类别之间的对比：

import matplotlib.pyplot as plt

categories = ["吃饭", "交通", "购物", "娱乐"]
amounts = [820, 260, 640, 180]

plt.bar(categories, amounts, color=["#4d6bfe", "#7c8cf8", "#a5b4fc", "#c7d2fe"])
plt.title("月度支出分类对比")
plt.xlabel("类别")
plt.ylabel("金额（元）")
# 在柱子上标数值
for i, v in enumerate(amounts):
    plt.text(i, v + 10, str(v), ha="center")
plt.savefig("bar.png", dpi=200)
plt.close()

饼图：占比

import matplotlib.pyplot as plt

categories = ["吃饭", "交通", "购物", "娱乐"]
amounts = [820, 260, 640, 180]

plt.pie(
    amounts,
    labels=categories,
    autopct="%.1f%%",       # 显示百分比，保留 1 位小数
    startangle=90,          # 起始角度
)
plt.title("支出占比")
plt.savefig("pie.png", dpi=200)
plt.close()

散点图：相关性

散点图看两个变量的关系：

import matplotlib.pyplot as plt

# 学习时长 vs 分数（假装是数据）
hours = [1, 1.5, 2, 2.5, 3, 3.5, 4, 4.5, 5]
scores = [55, 60, 65, 68, 72, 75, 80, 83, 88]

plt.scatter(hours, scores, color="#4d6bfe", alpha=0.7)
plt.title("学习时长与成绩的关系")
plt.xlabel("每天学习时长（小时）")
plt.ylabel("成绩")
plt.savefig("scatter.png", dpi=200)
plt.close()

中文字体问题（必踩的坑）

matplotlib 默认字体不支持中文，直接画会出现方块乱码。解决：

import matplotlib.pyplot as plt

# 方案 1（推荐）：指定支持中文的字体
plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei", "Noto Sans CJK SC"]
plt.rcParams["axes.unicode_minus"] = False   # 负号正常显示

# 方案 2：查看系统有哪些中文字体
# import matplotlib.font_manager as fm
# fonts = [f.name for f in fm.fontManager.ttflist]
# print([f for f in fonts if "Hei" in f or "CJK" in f or "YaHei" in f])

# 方案 3：Linux 服务器没中文字体 → 安装或用英文标签
# apt install fonts-noto-cjk

每次画图前先设置这两行，否则中文全变方块。

多子图：一张图放多个

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

fig, axes = plt.subplots(1, 2, figsize=(10, 4))   # 1 行 2 列

# 左边：折线
axes[0].plot([1, 2, 3], [3, 5, 4], marker="o")
axes[0].set_title("趋势")

# 右边：柱状
axes[1].bar(["A", "B", "C"], [5, 3, 7])
axes[1].set_title("对比")

plt.tight_layout()      # 自动调整间距
plt.savefig("subplots.png", dpi=200)
plt.close()

subplots(行, 列) 返回画布和子图数组，往每个子图里正常画就行。

结合 pandas：一行出图

pandas 集成了 matplotlib，DataFrame 直接 .plot()：

import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

df = pd.DataFrame({
    "月份": ["1月", "2月", "3月", "4月"],
    "支出": [1200, 1500, 1300, 1800],
    "收入": [2000, 2000, 2500, 2500],
})

df.plot(x="月份", y=["支出", "收入"], kind="line", marker="o")
plt.title("收支趋势")
plt.savefig("finance.png", dpi=200)
plt.close()

# kind 可选：line 折线 / bar 柱状 / pie 饼图 / scatter 散点
df.plot(x="月份", y="支出", kind="bar")

seaborn：更好看的数据图

matplotlib 画出来偏朴素，追求美观用 seaborn（基于 matplotlib 封装）：

pip install seaborn

import seaborn as sns
import matplotlib.pyplot as plt

sns.set_theme(style="whitegrid")     # 主题
tips = sns.load_dataset("tips")      # 自带示例数据

sns.boxplot(data=tips, x="day", y="total_bill")
plt.title("每天消费分布")
plt.savefig("seaborn_box.png", dpi=200)
plt.close()

seaborn 的强项：统计图表（分布、回归、热力图），配色好看，几行代码出图。

新手坑

坑 1：中文乱码。画图前先设 plt.rcParams["font.sans-serif"]。

坑 2：show() 卡住。脚本/服务器环境用 savefig + close，别用 show。

坑 3：图例、标签缺失。有多个数据系列就要加 legend；坐标轴没标签，读者不知道看什么。

小结

• 固定流程：画图 → 标题/标签 → show 或 savefig
• 选型：趋势用折线、对比用柱状、占比用饼图、相关性用散点
• 中文必设字体：rcParams["font.sans-serif"] + unicode_minus
• 多图用 subplots；pandas 的 .plot() 一行出图
• 追求美观用 seaborn；脚本环境用 savefig 别用 show

练习

1. 用之前记账本的数据画一张”各分类支出”柱状图，标上数值
2. 画一张”近 7 天网站访问量”折线图，带网格和标记点
3. 思考：同样的数据，折线图、柱状图、饼图分别适合回答什么问题？”上个月哪天访问量最高”和”各分类占比”各该用哪种图？