第 十五 章 可视化入门：Matplotlib 做出像样的图

第 15 章 可视化入门：Matplotlib 做出像样的图

• • [15.1 本章你将学会什么](#15.1 本章你将学会什么)
  • [15.2 先讲清楚：Matplotlib 的正确心智模型](#15.2 先讲清楚：Matplotlib 的正确心智模型)
  • [15.3 数据准备：用一个"科研风格"的小数据集贯穿全章](#15.3 数据准备：用一个“科研风格”的小数据集贯穿全章)
  • [15.4 折线图：趋势展示（时间序列/实验过程）](#15.4 折线图：趋势展示（时间序列/实验过程）)
  • [15.5 散点图：相关关系与离群点（最常用）](#15.5 散点图：相关关系与离群点（最常用）)
  • [15.6 直方图：分布形态（正态性、偏态、峰度）](#15.6 直方图：分布形态（正态性、偏态、峰度）)
  • [15.7 箱线图：组间差异 + 离群点（论文常用）](#15.7 箱线图：组间差异 + 离群点（论文常用）)
  • [15.8 柱状图：均值对比（一定要加误差棒）](#15.8 柱状图：均值对比（一定要加误差棒）)
  • [15.9 让图"像样"的 8 个细节（建议你形成模板）](#15.9 让图“像样”的 8 个细节（建议你形成模板）)
  • [15.10 字体与中文：最常见的"图一出就崩"问题](#15.10 字体与中文：最常见的“图一出就崩”问题)
  • [15.11 导出：让你的图可以直接进论文（强烈建议用 PDF）](#15.11 导出：让你的图可以直接进论文（强烈建议用 PDF）)
  • [15.12 本章练习（建议你真跑一遍）](#15.12 本章练习（建议你真跑一遍）)
  • • [练习 1：画一张"组间差异图"](#练习 1：画一张“组间差异图”)
    • [练习 2：画一张"相关图"](#练习 2：画一张“相关图”)
    • [练习 3：导出两种格式](#练习 3：导出两种格式)
  • [15.13 小结：你应该带走的"工程化结论"](#15.13 小结：你应该带走的“工程化结论”)
  • 下一章

做科研数据分析，画图不是"把数据画出来"这么简单。

一张像样的图，至少要做到三件事：信息表达清晰、统计含义正确、可在论文/报告中直接复用 。

这一章用 Matplotlib 走一遍从 0 到"能交付"的绘图流程：从最常用图型，到排版、字体、导出，再到科研场景常见坑的规避。

---

15.1 本章你将学会什么

• Matplotlib 的基本对象模型：Figure / Axes（告别"画着画着失控"）
• 画出科研常用 6 类图：折线、散点、直方图、箱线图、柱状图、误差棒图
• 让图"像样"的关键细节：标题、坐标轴、刻度、网格、注释、图例
• 可复现导出：DPI、尺寸、矢量格式（PDF/SVG）、命名规范
• 建立你自己的"科研绘图模板"：一套代码贯穿整篇论文

---

15.2 先讲清楚：Matplotlib 的正确心智模型

很多初学者是这样画图的：

import matplotlib.pyplot as plt
plt.plot([1,2,3],[4,5,6])
plt.show()

能画，但会遇到三个问题：

1. 图一复杂就难控制
2. 多图排版会乱
3. 论文导出格式不稳定

推荐从一开始就用"面向对象（OO）写法"：

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(6, 4))
ax.plot([1,2,3], [4,5,6])
ax.set_title("Example")
ax.set_xlabel("x")
ax.set_ylabel("y")
plt.show()

记住：
fig 管画布（整体），ax 管坐标系（具体图）。

你要控制排版、尺寸、导出，就必须把 fig/ax 拿在手里。

---

15.3 数据准备：用一个"科研风格"的小数据集贯穿全章

import numpy as np
import pandas as pd

np.random.seed(42)

n = 120
df = pd.DataFrame({
    "sid": np.arange(1, n+1),
    "group": np.random.choice(["control", "treatment"], size=n),
    "age": np.random.normal(24, 2.5, size=n).round(1),
    "score": np.random.normal(80, 8, size=n).round(1)
})
df.head()

---

15.4 折线图：趋势展示（时间序列/实验过程）

折线图适用于：随时间、随试次变化的趋势。

import matplotlib.pyplot as plt

t = np.arange(1, 11)
y = np.cumsum(np.random.normal(0, 1, size=10)) + 50

fig, ax = plt.subplots(figsize=(7, 4))
ax.plot(t, y, marker="o")
ax.set_title("Learning Curve (Example)")
ax.set_xlabel("Trial")
ax.set_ylabel("Score")
ax.grid(True, alpha=0.3)
plt.show()

科研建议

• 趋势图必须有明确的横轴含义（时间、试次、阶段）
• 不要用过多线条堆叠，容易造成"读不出来"

---

15.5 散点图：相关关系与离群点（最常用）

fig, ax = plt.subplots(figsize=(6, 4))
ax.scatter(df["age"], df["score"], alpha=0.7)
ax.set_title("Age vs Score")
ax.set_xlabel("Age")
ax.set_ylabel("Score")
ax.grid(True, alpha=0.3)
plt.show()

你应该顺手做两件事

1. 观察离群点（outliers）
2. 初步判断是否线性关系（后续回归分析的直觉基础）

---

15.6 直方图：分布形态（正态性、偏态、峰度）

fig, ax = plt.subplots(figsize=(6, 4))
ax.hist(df["score"], bins=15, alpha=0.8)
ax.set_title("Distribution of Score")
ax.set_xlabel("Score")
ax.set_ylabel("Count")
ax.grid(True, alpha=0.3)
plt.show()

科研建议

• bins 不要拍脑袋：样本小用少 bins，样本大用多 bins
• 直方图是"分布直觉"，不是统计检验本身

---

15.7 箱线图：组间差异 + 离群点（论文常用）

control = df[df["group"] == "control"]["score"]
treat = df[df["group"] == "treatment"]["score"]

fig, ax = plt.subplots(figsize=(6, 4))
ax.boxplot([control, treat], labels=["control", "treatment"])
ax.set_title("Score by Group (Boxplot)")
ax.set_ylabel("Score")
ax.grid(True, axis="y", alpha=0.3)
plt.show()

科研建议

• 箱线图非常适合做"组间分布对比"，而不是只展示均值
• 论文里"只画柱状图"往往信息不足（容易被审稿人质疑）

---

15.8 柱状图：均值对比（一定要加误差棒）

柱状图在科研里最大的问题是：只画均值会误导 。

你至少要加上误差棒（标准差/标准误/置信区间），并说明是什么。

summary = df.groupby("group")["score"].agg(["mean", "std", "count"])
summary["sem"] = summary["std"] / np.sqrt(summary["count"])
summary

fig, ax = plt.subplots(figsize=(6, 4))

groups = summary.index.tolist()
means = summary["mean"].values
sems = summary["sem"].values

ax.bar(groups, means, yerr=sems, capsize=6, alpha=0.9)
ax.set_title("Mean Score by Group (with SEM)")
ax.set_ylabel("Score")
ax.grid(True, axis="y", alpha=0.3)
plt.show()

提醒：误差棒用 std 还是 sem，必须在图注或正文写清楚。

---

15.9 让图"像样"的 8 个细节（建议你形成模板）

你可以逐条对照检查：

1. 标题是否描述了"图要说明什么"，而不是"图是什么"
2. 坐标轴是否标注单位（如 ms、%、cm、years）
3. 刻度是否过密、是否需要旋转
4. 是否加网格（轻微即可）帮助读数
5. 图例是否遮挡数据点
6. 是否标注关键点（峰值、异常、分界线）
7. 是否控制留白（tight_layout）
8. 导出是否满足投稿要求（DPI/矢量）

示例：统一排版

fig, ax = plt.subplots(figsize=(6, 4))
ax.scatter(df["age"], df["score"], alpha=0.6)
ax.set_title("Age vs Score")
ax.set_xlabel("Age (years)")
ax.set_ylabel("Score")
ax.grid(True, alpha=0.25)
fig.tight_layout()
plt.show()

---

15.10 字体与中文：最常见的"图一出就崩"问题

科研场景里，中文最容易遇到：

• 中文乱码
• 负号显示为方块

在不同系统字体可用情况不同。推荐你在项目里写一个"尝试多字体"的小段：

import matplotlib as mpl

mpl.rcParams["axes.unicode_minus"] = False
mpl.rcParams["font.sans-serif"] = ["Arial Unicode MS", "SimHei", "Microsoft YaHei"]

说明：不同机器字体库不同，这段的关键是"备选列表"，提高可移植性。

---

15.11 导出：让你的图可以直接进论文（强烈建议用 PDF）

• 论文图优先：pdf（矢量）或 svg
• 网页展示：png（高 DPI）

fig, ax = plt.subplots(figsize=(6, 4))
ax.hist(df["score"], bins=15, alpha=0.85)
ax.set_title("Score Distribution")
ax.set_xlabel("Score")
ax.set_ylabel("Count")
ax.grid(True, alpha=0.3)
fig.tight_layout()

fig.savefig("fig_score_distribution.png", dpi=300)
fig.savefig("fig_score_distribution.pdf")  # 矢量

命名建议（科研习惯）

• fig_01_xxx.png/pdf
• fig_02_xxx.png/pdf
• 与论文图号一致，减少后期排版痛苦

---

15.12 本章练习（建议你真跑一遍）

练习 1：画一张"组间差异图"

要求：

• 既包含分布信息（箱线图或散点抖动）
• 又包含均值与误差棒（可叠加，或并排展示）

练习 2：画一张"相关图"

要求：

• 散点图 + 标注 2 个离群点的 sid（用 ax.annotate）

练习 3：导出两种格式

• 导出 png(dpi=300)
• 导出 pdf
  并检查二者在放大时的差异

---

15.13 小结：你应该带走的"工程化结论"

• Matplotlib 的核心是 fig/ax，拿住它你才能稳定控制排版与导出
• 科研图最怕"漂亮但不可信"：柱状图必须配误差棒，分布最好直接展示
• 做图要形成模板：标题、轴、刻度、网格、tight_layout、导出格式一套固定下来

---

下一章

《第16章 小项目2：CSV→清洗→统计→图表→报告输出》