Python 数据分析与可视化 Day 5 - 数据可视化入门（Matplotlib & Seaborn）

🎯 今日目标

掌握 Matplotlib 的基本绘图方法（折线图、柱状图、饼图）
掌握 Seaborn 的高级绘图方法（分类图、分布图、箱线图）
熟悉图像美化（标题、标签、颜色、风格）
完成一组学生成绩数据的可视化展示

🧱 一、Matplotlib 基础绘图

python 复制代码

import matplotlib.pyplot as plt

# 示例数据
names = ["张三", "李四", "王五", "赵六"]
scores = [88, 92, 75, 60]

# 折线图
plt.plot(names, scores, marker="o")
plt.title("学生成绩折线图")
plt.xlabel("姓名")
plt.ylabel("成绩")
plt.grid(True)
plt.show()

✅ 常见图表类型

python 复制代码

# 柱状图
plt.bar(names, scores)

# 饼图
plt.pie(scores, labels=names, autopct="%.1f%%")

# 保存图像
plt.savefig("charts/score_chart.png")

🌈 二、Seaborn 入门（更美观 + 高级）

python 复制代码

import seaborn as sns
import pandas as pd

# 示例 DataFrame
df = pd.DataFrame({
    "姓名": names,
    "成绩": scores,
    "性别": ["男", "女", "男", "女"]
})

# 设置风格
sns.set_style("whitegrid")

# 分类柱状图
sns.barplot(data=df, x="姓名", y="成绩", hue="性别")
plt.title("学生成绩（按性别）")
plt.show()

🎨 三、其他 Seaborn 图示示例

python 复制代码

# 成绩分布直方图
sns.histplot(df["成绩"], bins=5)

# 箱线图：成绩分布（可识别异常值）
sns.boxplot(data=df, x="性别", y="成绩")

# 成绩与是否及格关系散点图（需添加字段）
sns.scatterplot(data=df, x="成绩", y="是否及格")

🧪 今日练习任务

使用 students_cleaned.csv (前两天清洗的表格数据)文件，完成以下图表：

所有学生成绩的折线图 & 柱状图
不同性别的平均成绩柱状图
所有学生成绩分布直方图
学生成绩箱线图（按性别分组）

将所有图像保存为 PNG 图片到 charts/ 文件夹

python 复制代码

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import os

rc = {'font.sans-serif': 'Arial Unicode MS',
      'axes.unicode_minus': False}
# 设置中文字体支持（如 matplotlib 出现乱码）
plt.rcParams['font.family'] = 'Arial Unicode MS'  # Mac 用户可用
# plt.rcParams['font.sans-serif'] = ['SimHei']   # Windows 用户用这行
plt.rcParams['axes.unicode_minus'] = False

# 路径设置
input_path = "data/students_cleaned.csv"
output_dir = "charts"
os.makedirs(output_dir, exist_ok=True)

# 加载数据
df = pd.read_csv(input_path)
print("✅ 已加载学生数据：")
print(df.head())

# -------- 图表 1：学生成绩折线图 --------
plt.figure(figsize=(8, 5))
plt.plot(df["姓名"], df["成绩"], marker='o')
plt.title("学生成绩折线图")
plt.xlabel("姓名")
plt.ylabel("成绩")
plt.grid(True)
plt.tight_layout()
plt.savefig(f"{output_dir}/成绩折线图.png")
plt.close()

# -------- 图表 2：学生成绩柱状图 --------
plt.figure(figsize=(8, 5))
plt.bar(df["姓名"], df["成绩"], color="skyblue")
plt.title("学生成绩柱状图")
plt.xlabel("姓名")
plt.ylabel("成绩")
plt.tight_layout()
plt.savefig(f"{output_dir}/成绩柱状图.png")
plt.close()

# -------- 图表 3：不同性别的平均成绩柱状图 --------
plt.figure(figsize=(6, 4))
sns.set(style="whitegrid", rc=rc)
avg_by_gender = df.groupby("性别")["成绩"].mean().reset_index()
sns.barplot(data=avg_by_gender, x="性别", y="成绩", hue='性别', palette="Set2", legend=False)
plt.title("不同性别的平均成绩")
plt.tight_layout()
plt.savefig(f"{output_dir}/性别平均成绩柱状图.png")
plt.close()

# -------- 图表 4：成绩分布直方图 --------
plt.figure(figsize=(6, 4))
sns.histplot(df["成绩"], bins=5, kde=True, color="orange")
plt.title("成绩分布直方图")
plt.xlabel("成绩")
plt.tight_layout()
plt.savefig(f"{output_dir}/成绩分布直方图.png")
plt.close()

# -------- 图表 5：成绩箱线图（按性别） --------
plt.figure(figsize=(6, 4))
sns.boxplot(data=df, x="性别", y="成绩", hue="性别", palette="Pastel1", legend=False)
plt.title("成绩箱线图（按性别）")
plt.tight_layout()
plt.savefig(f"{output_dir}/成绩箱线图_按性别.png")
plt.close()

print(f"\n✅ 所有图表已生成并保存至：{output_dir}/")

✍️ 今日总结

掌握了 Matplotlib 基本图形绘制技巧
掌握了 Seaborn 的分类、分布图制作方法
能基于清洗后的数据完成完整的图形展示
理解了图表选择和美化对表达分析结论的重要性