Python数据可视化速成指南

Day 8：数据可视化【必背版】

📌 今日目标

掌握Matplotlib的基本使用，能够绘制常见图表（柱状图、线图、饼图、散点图等），理解数据可视化的价值！

---

第一部分：数据可视化的重要性【必考！】

可视化的四大优点

优势1：传递速度快
└─ 人脑对视觉信息的处理速度是书面信息的10倍

优势2：数据显示的多维性
└─ 可从多个维度观察数据关系

优势3：更直观的展示信息
└─ 简短的图形体现复杂的信息

优势4：易于理解和记忆
└─ 图文结合比纯文字更容易理解

Matplotlib库

# Matplotlib：Python中的绘图库
# ✓ 绘制2D和3D数据图表
# ✓ 支持多种坐标系（迪卡尔、极坐标、球坐标等）
# ✓ 图形达到出版级标准
# ✓ 可绘制多个子图

# 安装
# pip install matplotlib

# 导入
import matplotlib.pyplot as plt

---

第二部分：Matplotlib基础【必背！】

图表的三个层次

Matplotlib图表结构
│
├─ 容器层（最底层）
│  ├─ Canvas：画布（系统自动创建）
│  ├─ Figure：绘图区（plt.figure()创建）
│  └─ Axes：坐标系（一个Figure可包含多个Axes）
│
├─ 辅助显示层（中间层）
│  ├─ 标题（title）
│  ├─ 坐标轴（axis）
│  ├─ 刻度（tick）
│  ├─ 刻度标签（tick label）
│  └─ 图例（legend）
│
└─ 图像层（最上层）
   ├─ 柱状图（bar）
   ├─ 折线图（plot）
   ├─ 饼图（pie）
   ├─ 散点图（scatter）
   └─ 直方图（hist）

创建绘图区

# 方法1：自动创建（简单）
import matplotlib.pyplot as plt
plt.plot([1, 2, 3])  # 自动创建绘图区
plt.show()

# 方法2：手动创建（推荐）
fig, ax = plt.subplots(figsize=(6, 4))  # 6*4英寸
# figsize：(宽, 高)，单位英寸
# dpi：分辨率，默认100

# 方法3：figure函数
plt.figure(figsize=(8, 6), dpi=72, facecolor='white')

解决中文显示问题【重要！】

# 方法1：代码中添加（推荐）
plt.rcParams['font.sans-serif'] = ['SimHei']  # 黑体
plt.rcParams['axes.unicode_minus'] = False     # 显示负号

# 后续代码才会使用中文字体
plt.title("销售统计")  # 可显示中文

# 方法2：修改配置文件
# 找到C:\Users\...\Anaconda3\Lib\site-packages\matplotlib\mpl-data\matplotlibrc
# 修改：
# font.sans-serif : SimHei
# axes.unicode_minus : False

---

第三部分：绘制线图（plot）【核心！】

plot()函数

# 语法
plt.plot([x], y, [fmt], **kwargs)

# 参数说明：
# x：x轴数据（可省略，默认为0,1,2,...）
# y：y轴数据（必须）
# fmt：格式字符串（颜色、标记、线型）
# color：颜色
# marker：标记符号
# linestyle(ls)：线型
# linewidth(lw)：线宽
# label：图例标签

颜色和标记【记忆！】

# 颜色缩写
'r' - red      红色
'g' - green    绿色
'b' - blue     蓝色
'y' - yellow   黄色
'k' - black    黑色
'w' - white    白色
'c' - cyan     青色
'm' - magenta  洋红色

# 标记符号
'o' - 圆圈      '^' - 上三角形
'D' - 菱形      'v' - 下三角形
's' - 正方形    '<' - 左三角形
'*' - 星号      '>' - 右三角形
'+' - 加号      'x' - X符号
',' - 点        '|' - 竖线

# 线型
'-'  - 实线（默认）
'--' - 长虚线
':'  - 点虚线
'-.' - 点划线
'None' - 不画线

# 格式字符串示例
plt.plot(x, y, 'ro')      # 红色圆点
plt.plot(x, y, 'g--')     # 绿色长虚线
plt.plot(x, y, 'b^:')     # 蓝色上三角点虚线

绘制线图示例【必背】

import matplotlib.pyplot as plt
import math

plt.rcParams['font.sans-serif'] = ['SimHei']

# 生成数据
x = []
y_sin = []
y_cos = []

t = -math.pi
while t <= math.pi:
    x.append(t)
    y_sin.append(math.sin(t))
    y_cos.append(math.cos(t))
    t += 0.1

# 绘制
plt.figure(figsize=(8, 4))
plt.plot(x, y_sin, label='sin(x)', marker='*', color='b')
plt.plot(x, y_cos, label='cos(x)', marker='D', color='r')

# 设置标签和标题
plt.title('三角函数曲线')
plt.xlabel('x')
plt.ylabel('y')
plt.legend(loc='upper right')  # 显示图例
plt.grid(True)  # 显示网格
plt.show()

---

第四部分：绘制柱状图（bar）【重要！】

bar()函数

# 语法
plt.bar(x, height, width, bottom, **kwargs)

# 参数说明：
# x：分类轴位置
# height：柱形高度（y轴数据）
# width：柱形宽度（默认0.8）
# bottom：柱形底部值（用于堆叠）
# color/facecolor：填充颜色
# label：图例标签
# alpha：透明度（0-1）

单产品柱状图【必背】

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']

# 数据准备
seasons = ['一季度', '二季度', '三季度', '四季度']
sales = [2780, 1950, 2680, 2120]
x = [0, 1, 2, 3]

# 绘制柱状图
fig, ax = plt.subplots(figsize=(6, 4))
bars = ax.bar(x, sales, width=0.7, color='b', label='销售量')

# 设置标题和标签
ax.set_title('产品销售统计')
ax.set_xlabel('时间')
ax.set_ylabel('销售量')
ax.set_xticks(x)
ax.set_xticklabels(seasons)
ax.grid(axis='y')  # 显示y轴网格

# 添加数值标注
for i, v in enumerate(sales):
    ax.text(i, v + 30, str(v), ha='center', fontsize=10)

# 显示图例
ax.legend(loc='upper right')
plt.show()

多产品柱状图（并列）【必知！】

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']

# 数据
seasons = ['一季度', '二季度', '三季度', '四季度']
saleA = [780, 950, 680, 550]
saleB = [680, 650, 800, 590]
barW = 0.3

# x坐标位置
x1 = [0, 1, 2, 3]
x2 = [x + barW for x in x1]  # 错开位置

# 绘制两组柱状图
fig, ax = plt.subplots(figsize=(8, 4))
ax.bar(x1, saleA, barW, label='产品A', color='m')
ax.bar(x2, saleB, barW, label='产品B', color='b')

# 设置标签
ax.set_title('多产品销售比较')
ax.set_xlabel('时间')
ax.set_ylabel('销售量')
ax.set_xticks([x + barW/2 for x in x1])  # 标签位置
ax.set_xticklabels(seasons)

# 显示图例
ax.legend(loc='upper right')
plt.show()

---

第五部分：绘制饼图（pie）【必知！】

pie()函数

# 语法
plt.pie(data, explode=None, labels=None, autopct=None, **kwargs)

# 参数说明：
# data：数据列表
# explode：裂开距离（元组，对应每个扇形）
# labels：每个扇形的标签
# autopct：百分比格式（如'%1.1f%%'）
# colors：颜色列表
# startangle：起始角度

饼图示例【必背】

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']

# 数据
scores = [0.16, 0.28, 0.32, 0.14, 0.1]  # 各等级百分比
labels = ['优秀', '良好', '中等', '及格', '不及格']
explode = (0.2, 0, 0, 0, 0)  # 突出第一块

# 绘制饼图
fig, ax = plt.subplots(figsize=(6, 4))
ax.pie(scores, explode=explode, labels=labels,
       autopct='%1.1f%%',  # 显示百分比
       startangle=90)

ax.set_title('成绩分布')
plt.show()

# 特殊设置
ax.axis('equal')  # 保证饼图是圆形，不是椭圆

---

第六部分：绘制散点图（scatter）【重要！】

scatter()函数

# 语法
plt.scatter(x, y, s=None, c=None, marker=None, **kwargs)

# 参数说明：
# x, y：坐标数据
# s：点的大小（默认36）
# c：点的颜色
# marker：标记形状（如'*'、'o'、'^'）
# alpha：透明度
# label：图例标签

散点图示例【必背】

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']

# 生成随机数据
np.random.seed(42)
x = np.random.randn(50)
y = np.random.randn(50)
colors = np.random.randint(0, 5, 50)

# 绘制散点图
fig, ax = plt.subplots(figsize=(6, 4))
scatter = ax.scatter(x, y, c=colors, s=100, marker='o',
                     cmap='viridis', alpha=0.6)

ax.set_title('数据分布散点图')
ax.set_xlabel('X值')
ax.set_ylabel('Y值')
ax.grid(True)
plt.colorbar(scatter)  # 显示颜色条
plt.show()

---

第七部分：绘制直方图（hist）【必知！】

hist()函数

# 语法
plt.hist(x, bins=10, edgecolor='black', **kwargs)

# 参数说明：
# x：数据序列
# bins：条形个数（默认10）
# edgecolor：边框颜色
# alpha：透明度
# color：填充颜色

直方图示例

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
data = np.random.normal(170, 10, 1000)  # 均值170，标准差10

# 绘制直方图
fig, ax = plt.subplots(figsize=(8, 4))
ax.hist(data, bins=30, color='b', edgecolor='black', alpha=0.7)

ax.set_title('身高分布直方图')
ax.set_xlabel('身高(cm)')
ax.set_ylabel('人数')
ax.grid(axis='y')
plt.show()

---

第八部分：绘制箱形图（boxplot）【了解！】

boxplot()函数

# 语法
plt.boxplot(data, labels=None, **kwargs)

# 参数说明：
# data：数据列表
# labels：标签列表
# vert：是否竖直（默认True）

箱形图示例

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']

# 多组成绩数据
scores1 = [36, 90, 99, 68, 78]
scores2 = [64, 93, 87, 99, 78]
scores3 = [85, 95, 99, 75, 98]

# 绘制箱形图
fig, ax = plt.subplots(figsize=(6, 4))
ax.boxplot([scores1, scores2, scores3],
           labels=['语文', '数学', '英语'])

ax.set_title('学生成绩箱形图')
ax.set_ylabel('成绩')
ax.grid(axis='y')
plt.show()

# 理解箱形图：
# 下边缘：最小值
# 下四分位：第25%位置
# 中线：中位数（第50%）
# 上四分位：第75%位置
# 上边缘：最大值

---

第九部分：子图与图表组合【必知！】

subplot创建子图

# 语法
plt.subplot(nrows, ncols, index)
# 或简写为：plt.subplot(nrc) 当nrows、ncols、index都<10时

# 参数说明：
# nrows：行数
# ncols：列数
# index：子图位置（从1开始）

子图示例【必背】

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']

# 创建2x2的子图
fig = plt.figure(figsize=(10, 8))

# 子图1：线图
ax1 = plt.subplot(2, 2, 1)
x = np.linspace(0, 2*np.pi, 100)
ax1.plot(x, np.sin(x), 'b-')
ax1.set_title('sin(x)')

# 子图2：余弦曲线
ax2 = plt.subplot(2, 2, 2)
ax2.plot(x, np.cos(x), 'r-')
ax2.set_title('cos(x)')

# 子图3：散点图
ax3 = plt.subplot(2, 2, 3)
ax3.scatter(np.random.randn(50), np.random.randn(50))
ax3.set_title('散点图')

# 子图4：柱状图
ax4 = plt.subplot(2, 2, 4)
ax4.bar([1, 2, 3], [10, 20, 15])
ax4.set_title('柱状图')

# 调整子图间距
plt.tight_layout()
plt.show()

subplots创建多个坐标系

import matplotlib.pyplot as plt

# 创建2行1列的子图
fig, axes = plt.subplots(2, 1, figsize=(6, 6))

# 在第1个坐标系绘制
axes[0].plot([1, 2, 3], [1, 2, 3])
axes[0].set_title('图1')

# 在第2个坐标系绘制
axes[1].plot([1, 2, 3], [3, 2, 1])
axes[1].set_title('图2')

plt.tight_layout()  # 自动调整间距
plt.show()

---

第十部分：坐标轴与标签设置【重要！】

常用设置函数

# 设置标题
plt.title("标题名称", fontsize=14, loc='center')

# 设置轴标签
plt.xlabel("X轴标签")
plt.ylabel("Y轴标签")

# 设置刻度范围
plt.xlim(xmin, xmax)
plt.ylim(ymin, ymax)

# 设置刻度标签
plt.xticks(位置列表, 标签列表)
plt.yticks(位置列表, 标签列表)

# 显示/隐藏网格
plt.grid(True)  # 显示网格
plt.grid(False) # 隐藏网格
plt.grid(axis='y')  # 仅显示y轴网格

# 显示图例
plt.legend(loc='upper right')

图例位置代码

位置	代码
右上	'upper right' 或 1
左上	'upper left' 或 2
左下	'lower left' 或 3
右下	'lower right' 或 4
右边	'right' 或 5
中左	'center left' 或 6
中右	'center right' 或 7
下中	'lower center' 或 8
上中	'upper center' 或 9
中心	'center' 或 10

---

📝 Day 8 综合作业

作业1：绘制基础图表（必做）

# 1. 绘制销售数据的柱状图（参考Day 6第一部分）
# 2. 绘制不同产品销售对比（多产品柱状图）
# 3. 绘制成绩分布饼图
# 4. 绘制身高数据直方图

作业2：线图和散点图（必做）

# 1. 绘制sin和cos函数曲线（参考第三部分）
# 2. 绘制GDP趋势线图（读取文件数据）
# 3. 绘制鸢尾花数据散点图（分类显示）

作业3：多图组合（必做）

# 1. 创建2x2的子图，分别绘制不同图表
# 2. 在多个子图中绘制GDP产值和增长率
# 3. 调整图表样式和布局

---

⚡ 考前重点速记

必背代码模板

# 1. 基本绘图步骤
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']

# 数据准备
x = [1, 2, 3, 4]
y = [10, 20, 15, 25]

# 创建绘图区
fig, ax = plt.subplots(figsize=(6, 4))

# 绘制图表
ax.plot(x, y, 'b-o', label='数据')

# 设置标签
ax.set_title('标题')
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.legend()
ax.grid(True)

plt.show()

# 2. 柱状图
ax.bar(x, height, width=0.7, label='类别')

# 3. 饼图
ax.pie(data, labels=labels, autopct='%1.1f%%')

# 4. 散点图
ax.scatter(x, y, c='r', marker='o', s=50)

# 5. 子图
fig, axes = plt.subplots(2, 2)
axes[0, 0].plot(...)  # 第1行第1列
axes[0, 1].bar(...)   # 第1行第2列
axes[1, 0].scatter(...) # 第2行第1列
axes[1, 1].pie(...)   # 第2行第2列

关键知识点

# 1. 必须导入并设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']

# 2. 常见图表函数
plot()    # 线图
bar()     # 柱状图
pie()     # 饼图
scatter() # 散点图
hist()    # 直方图

# 3. 标签设置
title()   # 标题
xlabel()  # x轴标签
ylabel()  # y轴标签
xticks()  # x轴刻度

# 4. 样式设置
color: 颜色缩写（r, g, b, y等）
marker: 标记（o, *, D, ^等）
linestyle: 线型（-, --, :, -.）

# 5. 展示方式
plt.show()  # 显示图表
plt.savefig('图片.png')  # 保存图表

易错点提醒

# ❌ 错误1：中文显示乱码
plt.title("销售统计")  # 会乱码

# ✅ 改正：
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.title("销售统计")

# ❌ 错误2：x和y数据长度不匹配
x = [1, 2, 3]
y = [10, 20]  # 长度不同
plt.plot(x, y)  # 报错

# ✅ 改正：
x = [1, 2, 3]
y = [10, 20, 30]

# ❌ 错误3：忘记显示
plt.plot(x, y)
# 没有plt.show()，看不到图表

# ✅ 改正：
plt.plot(x, y)
plt.show()

# ❌ 错误4：柱状图位置设置错误（多产品）
x1 = [0, 1, 2]
x2 = [0, 1, 2]  # 位置重合
plt.bar(x1, y1)
plt.bar(x2, y2)

# ✅ 改正：
x1 = [0, 1, 2]
x2 = [0.3, 1.3, 2.3]  # 错开
plt.bar(x1, y1, width=0.3)
plt.bar(x2, y2, width=0.3)

---

🎯 考试可能出现的题型

选择题考点

• Matplotlib的图表类型
• 参数的含义（color、marker、linestyle）
• 中文显示的解决方法
• 图例和标签的设置

填空题考点

• 常见参数的英文单词
• 颜色和标记符号的代码
• 函数调用的语法

编程题考点

• 绘制指定类型的图表
• 多个数据的对比展示
• 子图的创建和使用
• 读取数据后绘制图表

调试题考点

• 中文乱码问题
• 数据长度不匹配
• 图例位置设置错误
• 子图布局问题

---

🌟 其他常用图表简介

极坐标图

# 极坐标：使用(角度, 半径)表示点
import numpy as np

theta = np.linspace(0, 2*np.pi, 100)
r = np.sin(4*theta)

ax = plt.subplot(111, projection='polar')
ax.plot(theta, r, 'b-')
plt.show()

3D曲面图

from mpl_toolkits.mplot3d import Axes3D
import numpy as np

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

X = np.arange(-5, 5, 0.1)
Y = np.arange(-5, 5, 0.1)
X, Y = np.meshgrid(X, Y)
Z = np.sin(np.sqrt(X**2 + Y**2))

ax.plot_surface(X, Y, Z, cmap='viridis')
plt.show()

等高线图

import numpy as np

X = np.arange(-5, 5, 0.1)
Y = np.arange(-5, 5, 0.1)
X, Y = np.meshgrid(X, Y)
Z = np.sin(np.sqrt(X**2 + Y**2))

# 绘制等高线
plt.contour(X, Y, Z, levels=10)
plt.colorbar()
plt.show()

---