Matplotlib第六章场景案例显神通

一、展示趋势变化（Evolution）

1. 折线图 - Line chart

折线图（线图）是最基础的趋势类图表，由数据点 + 连接线段构成，和散点图的核心区别：

• 数据点按 X 轴有序排列（通常是时间顺序）
• 用线段连接数据点，直观展示变化
• 核心用途：描述趋势变化（散点图用于描述变量相关性）

最常用于时间序列数据，展示指标随时间的变化趋势，X 轴通常为时间间隔（年 / 月 / 日等）。

注：

1. X 轴数据必须有序：否则线段会混乱，无法正确展示趋势
2. Y 轴是否从 0 开始：根据分析目的选择，截断 Y 轴会放大局部波动，需标注说明
3. 避免双 Y 轴图表：多变量趋势对比时，双 Y 轴易造成视觉误导
4. 警惕 "意大利面条图"：单图线条过多（>5 条）会完全失去可读性，需用优化方案

（1）简单单线图

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

# 1. 创建有序数据（X轴必须有序）
df = pd.DataFrame({'xdata': range(1,101), 'ydata': np.random.randn(100)})

# 2. 样式与画布设置
plt.style.use('seaborn-darkgrid')  # 可选 seaborn-whitegrid 等风格
plt.figure(figsize=(15, 10))      # 设置画布大小

# 3. 绘图核心参数
plt.plot(
    'xdata', 'ydata', data=df,
    color='blue',        # 线条颜色：red/skyblue/blue等
    alpha=0.3,           # 线条透明度（0-1）
    linestyle='-.',      # 线条样式：-- / - / -. / : 等
    linewidth=2,         # 线条粗细
    label='linestyle'    # 图例标签
)

# 4. 图表美化
plt.legend(loc='upper left', frameon=False)  # 图例设置
plt.title('Basic line plot')                  # 标题
plt.show()

效果：生成单条折线，清晰展示单变量随 X 轴的变化趋势，适合单一指标的趋势分析。

（2）突出重点的多线图

当需要对比多个变量的趋势时，直接在单图中画多条线会造成混乱

核心思路：将非重点线条设为灰色背景，重点线条用亮色 + 加粗突出，视觉焦点集中。

# 1. 先将所有线条画成灰色背景
for column in df.drop('YYYY', axis=1):
    plt.plot(df['YYYY'], df[column], color='grey', linewidth=1, alpha=0.4)

# 2. 单独处理重点线条（PA州），用亮色+加粗
plt.plot(df['YYYY'], df['PA'], color='orange', linewidth=4, alpha=0.7)

# 3. 用文本标注替代传统图例，直接在线条末端标注名称
plt.text(2017.02, df.PA.tail(1), 'PA', color='orange')
# 其他州用灰色标注
for i in df.values[7][1:]:
    if name != 'PA':
        plt.text(2017.02, i, name, color='grey')

优势

• 视觉焦点明确，一眼抓住核心趋势
• 避免传统图例的来回对照，可读性大幅提升
• 适合需要突出某一主体（如某产品、某地区）的场景

（3）多子图拆分

核心思路：将每条线拆分为独立子图，统一 X/Y 轴刻度，避免单图拥挤，同时保证对比公平。

# 1. 初始化画布与颜色
plt.style.use('seaborn-darkgrid')
palette = plt.get_cmap('Set1')
plt.figure(figsize=(15, 10))

# 2. 循环绘制子图
num=0
for column in df.drop('YYYY', axis=1):
    num +=1
    plt.subplot(3,3, num)  # 3行3列的子图布局
    plt.plot(df['YYYY'], df[column], color=palette(num), linewidth=1.9, alpha=0.9)
    
    # 【关键】统一所有子图的X/Y轴范围，避免误导
    plt.xlim(2009.3, 2017.3)
    plt.ylim(0, 50000)
    plt.title(column, loc='left', color=palette(num))

# 3. 全局标题与坐标轴标注
plt.suptitle("How many DrugReports the 5 states have in past few years?", y=0.95)
plt.text(2014, -9500, 'Year', ha='center')
plt.text(1998, 60000, 'DrugReports', rotation='vertical', ha='center')
plt.show()

注：

• 必须统一所有子图的 X/Y 轴刻度：否则会造成视觉误导，错误放大 / 缩小趋势
• 适合多主体（如多产品、多地区）的趋势对比，每个子图独立清晰
• 子图布局根据线条数量调整（如 2 行 3 列、3 行 2 列等）

1. X 轴无序：折线图的核心是 "趋势"，X 轴无序会导致线段混乱，完全失去意义
2. 双 Y 轴滥用：多变量对比时，双 Y 轴会通过刻度缩放误导视觉，严禁使用
3. Y 轴随意截断：截断 Y 轴会放大局部波动，若必须使用，需在图表中明确标注
4. 线条过多：单图线条超过 5 条时，必须用 "突出重点" 或 "多子图" 优化，避免 "意大利面条图"
5. 子图刻度不统一：多子图对比时，刻度不一致会造成严重误导，必须强制统一

2.面积图（Area Chart）

面积图是折线图的延伸，核心区别是在折线下方填充了颜色 / 阴影区域，让数据变化趋势更直观、视觉冲击力更强。

• 本质：折线图 + 区域填充
• 核心优势：通过填充区域强化趋势感知，比纯折线图更易读
• 适用场景：单指标 / 多指标的趋势展示、区间对比
• 函数：fill_between

注：

1. Y 轴截断问题：同折线图，截断 Y 轴会放大局部波动，需谨慎使用并标注
2. 多类别对比 ：
   • 优先用堆积面积图；
   • 若必须用普通面积图，填充色必须设置透明度（alpha），确保所有线条可见
3. 长宽比优化：合理设置画布长宽比，提升图表可读性
4. 视觉一致性：线条与填充色保持统一，填充色设置适度透明度，兼顾美观与可读性

fill_between 是更灵活的实现方式，支持高度自定义，核心代码与参数说明：

import numpy as np
import matplotlib.pyplot as plt

# 1. 创建有序数据（X轴必须有序）
x = range(1,15)
y = [1,4,6,7,4,9,3,2,4,1,5,4,8,7]

# 2. 基础填充面积图
# facecolor: 填充颜色；alpha: 透明度；hatch: 阴影样式
plt.fill_between(x, y, facecolor="skyblue", alpha=0.4, hatch='/')
plt.show()

# 3. 进阶：填充+折线叠加（更清晰）
plt.fill_between(x, y, facecolor="skyblue", alpha=0.2)
# 叠加同色系折线，强化趋势
plt.plot(x, y, color="skyblue", alpha=0.6, linewidth=1.5)
plt.show()

效果：

• 左图：纯填充 + 阴影样式，适合强调区间
• 右图：填充 + 折线叠加，兼顾趋势与区间，是更推荐的标准用法

3.堆积面积图（Stacked Area Chart）

堆积面积图是基础面积图的进阶，将多个类别的数据堆叠展示 ，完美解决多类别对比的遮挡问题，核心特点：

1. 无遮挡：不同类别数据堆叠在下方类别之上，不会出现交叉遮挡
2. 相对高度表达数值：类别数值由折线间的相对高度体现，而非绝对 Y 轴坐标
3. 双重信息 ：既展示每个类别的趋势，也能直观体现总体趋势 和类别间的占比 / 重要程度
4. 函数： stackplot

适用场景：

• 多类别时间序列数据的趋势对比
• 展示各部分对总体的贡献（如各渠道销售额占总销售额的变化）
• 体现类别间的结构占比随时间的演变

stackplot 是堆积面积图的专用函数，支持多 Y 序列输入，核心代码：

import numpy as np
import matplotlib.pyplot as plt

plt.style.use('seaborn-darkgrid')
plt.figure(figsize=(10, 6))

# 方式一：多Y序列输入
x = range(1,6)
y = [
    [1,4,6,8,9],   # A类数据
    [2,2,7,10,12], # B类数据
    [2,8,5,10,6]   # C类数据
]

# 绘制堆积面积图
plt.stackplot(x, y, labels=['A','B','C'])
plt.legend(loc='upper left')
plt.show()

效果:

实战示例（真实数据）

import matplotlib.pyplot as plt
import pandas as pd

# 1. 数据预处理（以DrugReports数据集为例）
Dataset = pd.read_csv('data/Drugs.csv')
group = Dataset.groupby(['YYYY','State']).agg('sum').reset_index()
df = group.pivot(index='YYYY', columns='State', values='DrugReports').reset_index()

# 2. 绘图设置
plt.style.use('seaborn-darkgrid')
plt.figure(figsize=(10, 6))

# 3. 绘制堆积面积图
plt.stackplot(
    df['YYYY'], 
    df['KY'], df['OH'], df['PA'], df['VA'], df['WV'],
    labels=df.iloc[:, 1:6].columns
)
plt.legend(loc='upper left')
plt.show()

效果：

1. 多类别普通面积图禁用不透明填充 ：必须设置alpha<0.5，否则下层线条完全被遮挡
2. 堆积面积图类别数量控制：建议类别≤5 个，过多会导致分层过细、可读性下降
3. Y 轴统一原则：多图对比时，必须保证 Y 轴刻度一致，避免视觉误导
4. 堆积图绝对数值对比误区：堆积图的类别高度是相对值，不能直接对比不同类别的绝对数值，如需对比绝对数值，优先用多折线图 / 多子图
5. 颜色选择：使用高对比度、区分度高的配色，避免相近色导致分层不清晰

二、展示分布关系（Distribution）

1.小提琴图（Violin Plot）

小提琴图是箱型图 + 核密度图的结合体，用于展示多组数据的分布状态与概率密度：

• 核心优势：既保留了箱型图的分位数信息，又通过核密度曲线展示了数据的完整分布形态
• 与箱型图的区别：箱型图仅展示分位数，小提琴图描述了基础数据分布的核密度估计，所有绘图单元对应实际数据点
• 适用场景：多分类变量下连续数据的分布对比，适合数据量较大的场景
• 函数：seaborn.violinplot

注：

1. 不适合少组别数据：组别过少时，小提琴图的分布展示优势无法体现
2. 按中位数排序：将组别按中位数排序，能让数据对比更直观
3. inner 参数选择 ：inner='quartile' 可在小提琴内部显示四分位数线，兼顾分布与分位数信息

（1）基础单分类小提琴图

import seaborn as sns
import pandas as pd

# 加载数据（以经典鸢尾花数据集为例）
df = pd.read_csv('data/iris.csv')

# 绘制纵向小提琴图：x为分类变量，y为连续变量
sns.violinplot(
    x=df['species'], 
    y=df["sepal_length"], 
    inner='quartile'  # 内部显示四分位数线
)

（2）双分类嵌套小提琴图

tips = pd.read_csv('data/tips.csv')

# 按day分组，smoker作为hue嵌套分类
ax = sns.violinplot(
    x="day", 
    y="total_bill", 
    hue="smoker",
    data=tips, 
    palette="muted"
)

（3）分割式小提琴图（split=True）

# split=True将同一x下的两个hue类别拆分到小提琴两侧，对比更直观
ax = sns.violinplot(
    x="day", 
    y="total_bill", 
    hue="smoker",
    data=tips, 
    palette="muted", 
    split=True
)

2.箱型图（Box Plot，盒须图）

箱型图是经典的分布展示图表，通过分位数直观展示数据分布，核心元素：

• 箱体：显示数据集的上四分位数 (Q3)、中位数 (Q2)、下四分位数 (Q1)
• 触须（ whiskers ）：延伸至 Q1-1.5IQR 和 Q3+1.5IQR（IQR = 四分位距 = Q3-Q1）
• 异常值：超过触须范围的数据点，用于识别极端值
• 函数 ：seaborn.boxplot

作用：

1. 异常值识别：通过 1.5IQR 规则自动标记异常数据
2. 偏态与尾重分析：通过箱体位置、触须长度，粗略判断数据分布的偏态（左偏 / 右偏）和尾重
3. 多组数据对比：并行排列的箱型图，可直观对比多组数据的中位数、分布区间、异常值

注：

1. 隐藏数据量信息：箱型图不展示样本量，可通过标注或箱子宽度补充
2. 隐藏分布细节：无法展示数据的多峰、聚类等分布特征，数据量小时用抖动图 (jitter)，数据量大时用小提琴图补充
3. 异常值处理：异常值仅为统计标记，需结合业务场景判断是否为真实异常

（1）基础单分类箱型图

import seaborn as sns
import pandas as pd

sns.set(style="whitegrid")
tips = pd.read_csv('data/tips.csv')

# 按day分组绘制箱型图
ax = sns.boxplot(
    x="day", 
    y="total_bill", 
    data=tips
)

（2）双分类嵌套箱型图

# 按day分组，smoker作为hue嵌套分类
ax = sns.boxplot(
    x="day", 
    y="total_bill", 
    hue="smoker",
    data=tips, 
    palette="Set2"
)

（3）箱型图 + 散点图叠加（展示原始数据）

# 先画箱型图，再用swarmplot叠加原始数据点，兼顾分位数与原始分布
ax = sns.boxplot(x="day", y="total_bill", data=tips)
ax = sns.swarmplot(x="day", y="total_bill", data=tips, color=".25")

注：

1. 小提琴图小样本禁用：样本量过小时，核密度估计会失真，无法反映真实分布
2. 箱型图分布误读：箱型图无法区分均匀分布、正态分布、多峰分布，仅靠箱型图判断分布会出错
3. 嵌套分类对比误区 ：双分类嵌套时，优先用split=True的小提琴图或分组箱型图，避免视觉混淆
4. 异常值误判：1.5IQR 是统计阈值，不是业务标准，异常值需结合业务场景验证
5. 排序优化：多组对比时，按中位数 / 均值排序，让图表更易读

3.直方图 (Histogram)

直方图是最基础的数值分布展示图表，核心逻辑是：

• 仅接收数值型变量，将数据按区间（分箱 / 箱子）切割
• 每个箱子的高度代表该区间内的数据数量（频数 / 频率）
• 核心作用：直观展示数据的分布形态（如正态、偏态、多峰）、集中趋势、离散程度

注：

1. 分箱数量选择：分箱过多会导致噪声过多、分布不清晰；分箱过少会掩盖数据细节，需根据数据量调整
2. 变量数量限制：不建议在单图中展示超过 5 个变量的分布，否则会严重拥挤、可读性极差
3. 配色规范：避免使用过多彩色，优先用单色 / 低饱和度配色，保证图表简洁易读

函数:seaborn.histplot

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.datasets import load_boston

# 加载数据（以波士顿房价数据集为例）
boston = load_boston()
y = boston['target']

# 创建3行1列的子图画布
f, axs = plt.subplots(3, 1, figsize=(10, 10))

# 1. 计数标准直方图（stat='count'，展示频数）
sns.histplot(y, stat='count', ax=axs[0])

# 2. 归一化直方图（stat='probability'，展示频率/概率）
sns.histplot(y, stat='probability', ax=axs[1])

# 3. 直方图+密度曲线（kde=True，同时展示分布与核密度估计）
sns.histplot(y, stat='probability', kde=True, ax=axs[2])

plt.show()

效果:

• 第一行：标准计数直方图，直观展示各房价区间的样本数量
• 第二行：归一化直方图，将频数转换为概率，方便不同样本量数据对比
• 第三行：直方图 + KDE 曲线，结合了直方图的离散分箱与密度图的连续分布，是最推荐的用法

4.密度图（Density Plot / KDE Plot）

密度图（核密度估计图，KDE Plot）是直方图的平滑化延伸：

• 同样用于展示数值型变量的分布，通过核密度估计将离散的直方图转换为连续平滑的曲线
• 核心优势：更直观地展示数据的分布形态，不受分箱数量影响，适合多组分布对比
• 支持一元 / 二元分布展示：一元用曲线，二元用等高线 / 热力图
• 函数 ：seaborn.kdeplot / jointplot

注：

1. 带宽 (bw) 参数控制 ：带宽决定了曲线的平滑程度：
   • 带宽过小：曲线过于尖锐，过度拟合噪声
   • 带宽过大：曲线过于平滑，掩盖数据的真实分布特征
   • 默认参数为自动最优估计，可根据需求手动调整
2. 变量数量限制：同直方图，单图不建议展示超过 5 个变量的分布
3. 配色规范：避免使用彩色，优先用高对比度单色，保证多曲线对比清晰

（1）一元密度图（带宽对比）

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

# 生成正态分布随机数据
x = np.random.normal(size=100)

# 绘制不同带宽的KDE曲线
sns.kdeplot(x, label="bw: default")
sns.kdeplot(x, bw_method=0.2, label="bw: 0.2")  # 小带宽，曲线尖锐
sns.kdeplot(x, bw_method=2, label="bw: 2")    # 大带宽，曲线平滑

plt.legend()
plt.show()

效果：

• 蓝色（默认）：平衡平滑度与数据特征，是通用选择
• 橙色（bw=0.2）：过度拟合，保留了数据噪声
• 绿色（bw=2）：过度平滑，丢失了数据的分布细节

（2） 二元密度图（等高线图）

import numpy as np
import pandas as pd
import seaborn as sns

# 生成二元正态分布数据
mean, cov = [0, 1], [(1, .5), (.5, 1)]
data = np.random.multivariate_normal(mean, cov, 200)
df = pd.DataFrame(data, columns=["x", "y"])

# 绘制二元KDE等高线图，同时展示x/y的边缘分布
sns.jointplot(x="x", y="y", data=df, kind="kde")
plt.show()

效果：

• 中心区域：等高线展示了 x 与 y 的联合分布，越密集的区域数据点越多
• 上下 / 左右边缘：分别展示了 x、y 变量的一元 KDE 分布，同时呈现单变量与双变量分布

注：

1. 直方图分箱陷阱 ：分箱数量直接影响分布形态，切勿随意选择，可通过bins参数手动调整，或使用 Sturges 规则自动计算
2. 密度图带宽误调：带宽是 KDE 图的核心参数，默认参数通常最优，手动调整需谨慎，避免过度拟合 / 过度平滑
3. 多变量分布对比误区：单图展示超过 5 个变量的分布时，无论直方图还是密度图都会失去可读性，优先用多子图拆分
4. 直方图≠柱状图：直方图用于数值型变量的分布，柱子连续无间隔；柱状图用于分类变量的计数，柱子独立有间隔，切勿混淆
5. 二元密度图样本量要求：二元 KDE 图需要足够的样本量，小样本会导致估计失真，不适合小数据场景

三、展示相关关系（Correlation）

1.散点图（Scatter plot）

散点图用于直观展示两个数值型变量的相关性，还可以通过颜色、大小区分样本所属类别，是探索性数据分析（EDA）中最常用的图表之一。

（1）关键注意事项：Overplotting（点重叠问题）

当样本量极大时，散点会大量重叠，导致无法看清数据分布，这就是 Overplotting。解决方法有 3 种：

1. 抽样作图 ：从全量数据中随机抽取部分样本（如代码中 .sample(1000)）
2. 用热力图 / 蜂窝图替代：用密度 / 计数展示分布，而非单个点
3. 调小样本点尺寸 ：通过 s 参数缩小点的大小，减少遮挡

（2）基础散点图（matplotlib 原生实现）

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

# 读取数据并抽样1000条，避免overplotting
df = pd.read_csv('data\diamonds.csv').sample(1000)

# 绘制标准散点图：carat(克拉) vs price(价格)，s=0.2缩小点尺寸
plt.scatter(df.carat, df.price, s=0.2)
plt.show()

• 图表解读：可以清晰看到钻石克拉数与价格呈强正相关，克拉越大，价格整体越高，同时存在明显的长尾分布（大克拉钻石数量少、价格波动大）。

（3）带分类的散点图（seaborn lmplot 实现）

# 用颜色区分不同切工(cut)的散点，fit_reg=False关闭拟合线
sns.lmplot(x='carat', y='price', data=df, hue='cut', fit_reg=False)
plt.show()

• 图表解读：通过颜色区分了 5 种切工（Premium/Ideal/Fair/Good/Very Good），可以直观对比不同切工下克拉与价格的分布差异，比如 Ideal 切工的样本在中低克拉区间更集中。

2.热力图（Heatmap）

热力图通过颜色深浅表示数值大小，用于展示二维数据的分布、计数或相关性：

• 分类变量：展示两个分类变量的交叉计数（如切工 × 净度）
• 数值变量：先分箱再统计，展示区间内的样本分布
• 相关性矩阵：展示多个变量间的相关系数（最常用场景之一）

（1）关键注意事项

1. 数据预处理：长尾分布数据建议先做标准化 / 对数变换
2. 分箱策略：数值变量可选择等间隔分箱、分位数分箱；分类变量可按需合并类别
3. 图表选择：大样本量用蜂窝热力图（hexbin）替代普通散点图，解决 overplotting

（2）分类变量交叉热力图

# 统计切工(cut)与净度(clarity)的交叉计数
res = pd.crosstab(df.cut, df.clarity)
# 绘制热力图：cmap指定配色，annot=True显示数值
sns.heatmap(res, cmap='Greens', annot=True)
plt.show()

• 图表解读：颜色越深代表该组合的样本量越多，比如 Ideal 切工 + VS2 净度的样本量高达 90，是数据中最常见的组合。

（3） 数值 + 分类变量分箱热力图

# 将价格(price)等分为5箱，与净度(clarity)做交叉统计
res = pd.crosstab(pd.qcut(df.price, 5), df.clarity)
sns.heatmap(res, cmap='Greens', annot=True)
plt.show()

• 图表解读：展示了不同价格区间下，各净度等级的样本分布，比如高价格区间中 SI1/SI2 净度的样本占比更高。

（4）蜂窝热力图（Hexbin Plot，解决 overplotting）

# 数值变量的密度蜂窝图：price vs carat
sns.jointplot(x=df["price"], y=df["carat"], kind='hex')
plt.show()

• 图表解读：用六边形格子的颜色深浅表示该区域的样本密度，完美解决大样本散点重叠问题，同时保留了变量的边缘分布（上下 / 左右的直方图）。

3.长尾分布数据的优化方法

钻石价格、克拉数天然是长尾分布（大部分样本集中在低区间，少数极端值在高区间），直接绘图会导致分布偏斜，3 种优化方案如下：

（1）对数变换（Log Transform）

# 对price和carat做对数变换，压缩长尾
sns.jointplot(x=np.log(df["price"]), y=np.log(df["carat"]), kind='hex')
plt.show()

• 效果：将非线性的正相关转化为近似线性，让数据分布更均匀，相关性更清晰。

（2） 标准差截断（Std Deviation Clipping）

s1, s2 = df.price, df.carat
# 保留中位数±1倍标准差内的数据，过滤极端值
s1 = s1.mask((s1>(s1.median()+1*s1.std()))|(s1<(s1.median()-s1.std())))
s2 = s2.mask((s2>(s2.median()+1*s2.std()))|(s2<(s2.median()-s2.std())))
sns.jointplot(x=s1, y=s2, kind='hex')
plt.show()

• 效果：剔除极端异常值，聚焦主体数据的分布规律。

（3） 分位数截断（Quantile Clipping）

s1, s2 = df.price, df.carat
# 保留5%~95%分位数内的数据，过滤首尾极端值
s1 = s1.mask((s1>(s1.quantile(0.95)))|(s1<(s1.quantile(0.05))))
s2 = s2.mask((s2>(s2.quantile(0.95)))|(s2<(s2.quantile(0.05))))
sns.jointplot(x=s1, y=s2, kind='hex')
plt.show()

• 效果：按比例过滤极端值，更灵活地聚焦核心数据，适合非正态分布的长尾数据。

4.气泡图（Bubble Plot）

气泡图是散点图的衍生 ，用于展示超过二维的特征关系：

• 横轴、纵轴：两个基础数值变量（如钻石的克拉数、价格）
• 气泡大小：第三维数值特征
• 气泡颜色：第四维数值 / 分类特征
• 也可用于分类变量 + 数值变量的多维度展示

（1）关键注意事项

1. 用面积而非直径映射数值：人眼对面积的感知更准确，避免用直径直接映射导致视觉偏差
2. 避免 Overplotting：和散点图一样，大样本量需抽样、调小尺寸或分层展示
3. 配色与透明度 ：用渐变色映射数值，设置alpha透明度减少遮挡

（2）代码与效果演示

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 读取钻石数据（承接前文）
df = pd.read_csv('data\diamonds.csv')

# 生成两个新特征，分别映射气泡大小和颜色
new_feature1 = np.random.randint(0, 10, 10)  # 用气泡大小显示该特征
new_feature2 = np.random.randint(0, 10, 10)  # 用气泡深浅显示该特征

# 绘制数值型气泡图：carat(克拉) vs price(价格)
plt.scatter(
    df.carat.sample(10), df.price.sample(10),
    s=new_feature1*100,  # 大小映射，*100放大视觉效果
    c=new_feature2, cmap="Blues",  # 颜色映射，Blues渐变色
    alpha=0.8, edgecolors="grey", linewidth=2  # 透明度、描边
)
plt.xlabel('Carat')
plt.ylabel('Price')
plt.show()

# 绘制分类+数值型气泡图：cut(切工) vs price(价格)
plt.scatter(
    df.cut.sample(10), df.price.sample(10),
    s=new_feature1*100, c=new_feature2, cmap="Blues",
    alpha=0.8, edgecolors="grey", linewidth=2
)
plt.xlabel('Cut')
plt.ylabel('Price')
plt.show()

• 图表解读：气泡大小、颜色分别代表两个额外特征，直观展示了 4 维数据的分布关系，同时保留了基础变量的相关性。

四.展示排序信息类图表

1. 柱状图（Barplot）

展示一个分类变量和一个数值变量的关系，柱子长度代表类别对应的数值，是展示排序信息最经典、最有效的方式之一。

（1）关键注意事项

1. 不要和直方图混淆：柱状图用于分类变量，直方图用于连续变量的分布
2. 长标签用横向柱状图：避免标签重叠，提升可读性
3. 必须排序展示：按数值从高到低排序，让读者快速抓住规律

（2）代码与效果演示

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 读取宝可梦数据，按Type 1分组，计算Total属性的平均值
pokemon = pd.read_csv('data/pokemon.csv')
data = pokemon.groupby('Type 1')['Total'].mean().sort_values(ascending=False).reset_index()

# 绘制柱状图
bars = data['Type 1']
pos = np.arange(len(bars))
plt.bar(pos, data['Total'])
plt.xticks(pos, bars, rotation=270)  # 旋转标签避免重叠
plt.xlabel('Pokemon Type')
plt.ylabel('Average Total')
plt.title('Average Total by Pokemon Type')
plt.show()

• 图表解读：按宝可梦属性分组，展示了各属性的平均总能力值，排序后可以快速看出龙系（Dra）平均总能力最高，虫系（Bug）最低。

2. 雷达图（Radar Chart）

展示多个定量变量的二维对比，所有变量交汇于中心，适合对比少量样本的多维度特征（如宝可梦的 6 项属性）。

（1）关键注意事项

1. 单图组别≤5 个：组别过多会导致图表混乱，可读性极差
2. 标度一致：不同组别标度差异大时，禁止使用雷达图，会产生严重误导
3. 变量数不宜过多：一般控制在 5-8 个维度，否则雷达图会过于密集

（2）代码与效果演示

from math import pi
import pandas as pd
import matplotlib.pyplot as plt

# 读取宝可梦数据，选择2只宝可梦对比6项属性
pokemon = pd.read_csv('data/pokemon.csv')
data = pokemon.loc[[0,4]]  # 妙蛙种子、小火龙
categories = ['HP', 'Attack', 'Defense', 'Sp. Atk', 'Sp. Def', 'Speed']
N = 6

# 计算极坐标角度
angles = [n / float(N) * 2 * pi for n in range(N)]
angles += angles[:1]  # 闭合图形

# 初始化极坐标子图
ax = plt.subplot(111, polar=True)
ax.set_theta_offset(pi / 2)
ax.set_theta_direction(-1)

# 设置坐标轴标签
plt.xticks(angles[:-1], categories)
ax.set_rlabel_position(0)
plt.yticks([20,40,60,80], ["20","40","60","80"], color="grey", size=7)
plt.ylim(0,80)

# 绘制妙蛙种子的雷达曲线
values = data.loc[0, ['HP','Attack','Defense','Sp. Atk','Sp. Def','Speed','HP']]
ax.plot(angles, values, linewidth=1, linestyle='solid', label=data.loc[0,'Name'])
ax.fill(angles, values, 'b', alpha=0.1)

# 绘制小火龙的雷达曲线
values = data.loc[4, ['HP','Attack','Defense','Sp. Atk','Sp. Def','Speed','HP']]
ax.plot(angles, values, linewidth=1, linestyle='solid', label=data.loc[4,'Name'])
ax.fill(angles, values, 'r', alpha=0.1)

# 添加图例
plt.legend(loc='upper right', bbox_to_anchor=(0.1, 0.1))
plt.show()

• 图表解读：直观对比了妙蛙种子和小火龙的 6 项属性，妙蛙种子防御、特防更高，小火龙攻击、速度更优。

3. 平行坐标图（Parallel Coordinates）

雷达图的替代方案，更推荐在多维度对比时使用，用于比较样本在一组数值变量上的特征，适合多类别、多维度的对比。

（1）关键注意事项

1. 不适合组别过多：类别过多会导致曲线交叉严重，无法区分
2. 排序优化：可在 X 轴对数据排序，减少曲线交叉，提升可读性
3. 配色区分：用清晰的配色区分不同类别，避免混淆

（2）代码与效果演示

from pandas.plotting import parallel_coordinates
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 读取鸢尾花数据集
data = pd.read_csv('data/iris.csv')

# 绘制平行坐标图
parallel_coordinates(data, 'species', colormap=plt.get_cmap("Set2"))
plt.title('Parallel Coordinates of Iris Dataset')
plt.show()

• 图表解读：用不同颜色的曲线代表 3 种鸢尾花，每条曲线对应一个样本的 4 项花部特征，直观展示了不同物种的特征差异（如 setosa 的花瓣长度明显更短）。

4. 棒棒糖图（Lollipop Plot）

柱状图的优化版本，用线 + 点替代柱子，视觉上更简洁、美观，适合展示排序后的类别数值。

（1）关键注意事项

1. 必须排序：排序后展示效果最佳，否则不如直接用柱状图
2. 点的样式：用清晰的圆点标记，线的颜色与点区分，提升可读性
3. 适合类别数适中：类别过多时，线会过于密集，可读性下降

（2）代码与效果演示

import pandas as pd
import matplotlib.pyplot as plt

# 读取宝可梦数据，按Type 1分组计算Total平均值
pokemon = pd.read_csv('data/pokemon.csv')
data = pokemon.groupby('Type 1')['Total'].mean().reset_index()

# 排序（棒棒糖图的核心要求）
data = data.sort_values(by='Total')
my_range = range(1, len(data.index)+1)

# 绘制棒棒糖图
plt.hlines(y=my_range, xmin=0, xmax=data['Total'], color='skyblue')
plt.plot(data['Total'], my_range, "o")  # 圆点标记
plt.yticks(my_range, data['Type 1'])
plt.title("A vertical lollipop plot", loc='left')
plt.xlabel('Average value of Total')
plt.ylabel('Type')
plt.show()

• 图表解读：用线连接原点与数值点，用圆点标记最终数值，视觉上比柱状图更清爽，同时保留了排序信息。

5. 圆形柱状图（Circular Barplot）

柱状图的创意变体，用极坐标绘制环形柱状图，视觉吸引力强，但仅适合特定场景：

• 类别数量多（>40 个）
• 有明显突出的类别，需要视觉上强调
• 仅用于展示，不适合精确对比

（1）关键注意事项

1. 内圈比例≥外圈的 1/3：避免柱子过长导致图表失衡
2. 仅适合大量类别：类别少的时候，用普通柱状图更清晰
3. 不适合精确对比：人眼对环形长度的感知远差于线性长度，仅适合展示趋势

（2）代码与效果演示

import pandas as pd
import numpy as np
from math import pi
import matplotlib.pyplot as plt

# 读取宝可梦数据，按Type 1分组计算Total平均值
pokemon = pd.read_csv('data/pokemon.csv')
data = pokemon.groupby('Type 1')['Total'].mean().reset_index()

# 绘制圆形柱状图
N = len(data)
bottom = 250  # 内圈基准值
value = data['Total']
theta = np.linspace(0.0, 2 * pi, N, endpoint=False)
width = (2*pi) / N - 0.02

plt.figure(figsize = (16, 10))
ax = plt.subplot(111, polar=True)
bars = ax.bar(theta, value, width=width, bottom=bottom)

# 设置极坐标方向与标签
ax.set_theta_zero_location("N")
ax.set_theta_direction(-1)
ticks = data['Type 1']

# 添加类别标签
for theta, tick, value in zip(theta, ticks, value):
    ax.text(theta+0.03, value+380, tick)

plt.axis('off')
plt.show()

• 图表解读：将柱状图环形排列，视觉上更具设计感，但仅适合展示，不适合精确对比数值差异。

五.展示组成关系

1.饼图（Pie Chart）

饼图是最经典的组成关系图表，用圆形分割成多个扇形，直观展示各部分占整体的百分比，适合类别数少（≤5 个）、占比差异明显的场景。

（1）关键注意事项

1. 百分比总和必须为 100%：数据需归一化，避免出现逻辑错误
2. 禁止使用 3D 效果和图例：3D 会扭曲扇形面积，图例增加阅读成本，直接在扇区标注标签
3. 类别数不宜过多：超过 5 个类别时，饼图可读性急剧下降，建议换用柱状图 / 树图

（2） matplotlib 原生实现

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()  # 创建1×1画布
size = 0.3
vals = np.array([[60., 32.], [37., 40.], [29., 10.]])  # 3×2数据

# 配置配色
cmap = plt.get_cmap("tab20c")
outer_colors = cmap(np.arange(3)*4)
inner_colors = cmap(np.array([1,2,5,6,9,10]))

# 绘制外层饼图（按行求和）
ax.pie(vals.sum(axis=1))
plt.show()

效果：

（3） pandas 快速绘图

import pandas as pd

# 构造4分类数据
df = pd.DataFrame([8,8,1,2], index=['a', 'b', 'c', 'd'], columns=['x'])

# 直接绘制饼图
df.plot(kind='pie', subplots=True, figsize=(8, 8))
plt.show()

• 图表解读：直观展示了 a、b、c、d 四个类别的占比，a 和 b 占比最高，c、d 占比较小。

2.甜甜圈图（Donut Chart）

饼图的变体，在饼图中心挖空形成环形，视觉上更美观，同时保留了饼图的所有特性，还支持多层嵌套展示「组 - 子组」二级组成关系。

（1）关键注意事项

和饼图完全一致：

1. 百分比总和必须为 100%
2. 禁止 3D 效果和图例，直接标注标签
3. 类别数不宜过多，多层嵌套时控制子组数量

（2）基础甜甜圈图

import matplotlib.pyplot as plt

# 数据
names = ['groupA', 'groupB', 'groupC', 'groupD']
size = [12, 11, 3, 30]

# 中心画白色圆实现甜甜圈效果
my_circle = plt.Circle((0,0), 0.7, color='white')

# 绘制外层饼图
plt.pie(size, labels=names, colors=['red','green','blue','skyblue'])
p = plt.gcf()
p.gca().add_artist(my_circle)
plt.show()

效果：

（3） 多层嵌套甜甜圈图（组 + 子组）

import matplotlib.pyplot as plt

# 数据：3个主组，10个子组
group_names = ['groupA', 'groupB', 'groupC']
group_size = [12, 11, 30]
subgroup_names = ['A.1', 'A.2', 'A.3', 'B.1', 'B.2', 'C.1', 'C.2', 'C.3', 'C.4', 'C.5']
subgroup_size = [4, 3, 5, 6, 5, 10, 5, 5, 4, 6]

# 配色：同组用同色系渐变
a, b, c = [plt.cm.Blues, plt.cm.Reds, plt.cm.Greens]

# 外层环（主组）
fig, ax = plt.subplots()
ax.axis('equal')
mypie, _ = ax.pie(group_size, radius=1.3, labels=group_names, colors=[a(0.6), b(0.6), c(0.6)] )
plt.setp( mypie, width=0.3, edgecolor='white')

# 内层环（子组）
mypie2, _ = ax.pie(subgroup_size, radius=1.3-0.3, labels=subgroup_names, labeldistance=0.7, 
                   colors=[a(0.5), a(0.4), a(0.3), b(0.5), b(0.4), c(0.6), c(0.5), c(0.4), c(0.3), c(0.2)])
plt.setp( mypie2, width=0.4, edgecolor='white')
plt.margins(0,0)

plt.show()

• 图表解读：外层展示 3 个主组的占比，内层展示每个主组下子组的占比，完美实现二级组成关系的可视化。

3.文氏图（Venn Diagram）

用于展示不同集合之间的逻辑关系与交集，每个集合用一个圆表示，圆的大小反映集合规模，重叠部分代表两个 / 多个集合的共同元素。

（1）关键注意事项

1. 集合数≤3 个：超过 3 个集合的文氏图会极度复杂，完全不便于理解
2. 标注清晰：图中数字必须明确代表交集的元素个数
3. 数据类型 ：支持set或tuple格式，venn2对应 2 集合，venn3对应 3 集合

（2）两集合文氏图（venn2）

import matplotlib.pyplot as plt
from matplotlib_venn import venn2, venn3

# 两集合：(A独有, B独有, AB交集)
venn2(subsets=(3, 2, 4, 1), set_labels=('A', 'B'), set_colors = ('r','g'))
plt.show()

• 图表解读：A 集合独有 3 个元素，B 集合独有 2 个元素，AB 交集有 4 个元素。

（3）三集合文氏图（venn3）

import matplotlib.pyplot as plt
from matplotlib_venn import venn2, venn3

# 三集合：(A独有, B独有, AB交集, C独有, AC交集, BC交集, ABC交集)
venn3(subsets=(1,2,3,4,5,6,0), set_labels=('A', 'B', 'C'), set_colors = ('r','g','b'))
plt.show()

# 直接传入集合对象
venn3(subsets=[set([3, 2, 1,4,5,6]),set([2,3,4]),set([1,2,3,4,5])], 
      set_labels=('A', 'B', 'C'), set_colors = ('lightpink','pink','pink'))
plt.show()

效果：

4.树图（Treemap）

用嵌套矩形的面积 展示数据大小，支持多层级（组 - 子组）展示，最大优势是空间利用率极高，适合在有限空间内展示大量类别（几十上百个）的组成关系。

（1）关键注意事项

1. 层级≤3 级：超过 3 个层级会导致图形不可读
2. 优先展示最高层级：核心数据放在最外层，子层级仅作补充
3. 配色映射：用颜色深浅辅助展示数值大小，提升可读性

（2）基础树图

import matplotlib.pyplot as plt
import squarify  # 需先安装：pip install squarify

# 数据：4个分组
sizes = [13, 22, 10, 5]
labels = ["group A", "group B", "group C", "group D"]
colors = ["red", "green", "blue", "grey"]

# 绘制树图
squarify.plot(sizes=sizes, label=labels, color=colors, alpha=.4)
plt.axis('off')  # 隐藏坐标轴
plt.show()

• 图表解读：矩形面积对应数值大小，group B 面积最大，group D 最小，直观展示了 4 组的占比。

（3） 渐变色树图（数值映射颜色）

import matplotlib
import matplotlib.pyplot as plt
import pandas as pd
import squarify

# 构造数据：1-99的立方值
my_values = [i**3 for i in range(1,100)]

# 配置渐变色（Blues色系）
cmap = matplotlib.cm.Blues
mini = min(my_values)
maxi = max(my_values)
norm = matplotlib.colors.Normalize(vmin=mini, vmax=maxi)
colors = [cmap(norm(value)) for value in my_values]

# 绘制树图
squarify.plot(sizes=my_values, alpha=.8, color=colors)
plt.axis('off')
plt.show()

• 图表解读：用颜色深浅映射数值大小，数值越大颜色越深，同时用面积展示占比，实现双维度可视化。