第六章数据可视化

本章定位：数据可视化是数据分析结果呈现的核心手段。Python 生态中，Matplotlib 是底层基础绘图库，Pandas 内置了简易绘图接口，Seaborn 基于 Matplotlib 封装了更美观的统计图表。本章讲解常用统计图表的绘制方法，覆盖离散、连续、关系三类数据的可视化方案，以及多子图组合布局。
前置准备：
依赖安装：pip install matplotlib seaborn pandas numpy
行业惯例导入：
python
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np
学习目标：掌握各类统计图表的适用场景与绘制方法，能根据数据类型选择合适的图表，完成基础的数据可视化呈现。

0 前置配置

0.1 忽略警告提示

绘图过程中常出现非致命警告，可提前关闭避免输出干扰：

python

import warnings
warnings.filterwarnings("ignore")

0.2 中文正常显示

Matplotlib 默认不支持中文，需手动配置中文字体与负号显示，否则中文会显示为方块、负号显示异常。

python

# 配置中文字体（macOS 推荐 Songti SC，Windows 可替换为 SimHei）
plt.rcParams['font.sans-serif'] = ['Songti SC']
# 解决坐标轴负号显示为方块的问题
plt.rcParams['axes.unicode_minus'] = False

Windows 系统适配

Windows 系统可将字体替换为系统自带的中文字体：

python

# 黑体
plt.rcParams['font.sans-serif'] = ['SimHei']
# 微软雅黑
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

1 离散型变量的可视化

离散型（分类）变量的可视化，用于展示不同类别间的数值对比、占比分布。

1.1 饼图

适用场景：展示各分类占总体的比例关系，适合类别数量较少的占比分析。

Matplotlib 实现

语法：plt.pie(x, explode=None, labels=None, autopct=None, startangle=0, ...)

核心参数：

参数	说明
`x`	各分类的数值序列
`explode`	各部分的突出偏移量，用于突出重点分类
`labels`	各分类的名称标签
`autopct`	百分比显示格式，如 `'%1.1f%%'`
`startangle`	饼图起始旋转角度

python

# 示例：班级成绩等级占比
grades = ["优秀", "良好", "及格", "不及格"]
counts = [12, 25, 18, 5]

plt.figure(figsize=(6, 6))  # 等宽画布，保证饼图为正圆
plt.pie(counts, labels=grades, autopct='%1.1f%%', startangle=90)
plt.title("班级成绩等级占比")
plt.axis('equal')  # 强制正圆
plt.show()

Pandas 实现

直接基于 DataFrame 的列绘制饼图：

python

# 以分类为索引、数值为值的 Series 直接绘制
df.plot(kind='pie', y='数值列', title='饼图标题', autopct='%1.1f%%')
plt.axis('equal')
plt.show()

饼图使用注意

分类数量建议不超过 7 个，类别过多建议改用条形图
务必添加 plt.axis('equal') 保证饼图为正圆形
不适合展示差异很小的分类对比

1.2 条形图

适用场景：不同类别之间的数值对比，是最常用的分类对比图表。

1.2.1 垂直条形图

Matplotlib 实现

语法：plt.bar(x, height, bottom=None, tick_label=None, color=None, ...)

python

cities = ["北京", "上海", "广州", "深圳"]
sales = [120, 132, 88, 95]

plt.bar(cities, sales, color='steelblue')
plt.title("各城市销售额对比")
plt.ylabel("销售额（万元）")

# 在条形上方添加数值标签
for i, v in enumerate(sales):
    plt.text(i, v + 2, str(v), ha='center')

plt.show()

enumerate() 可同时获取序列的索引和值，用于精准定位文本标签位置。

Pandas 实现

python

df.plot(kind='bar', x='类别列', y='数值列', title='条形图标题')
plt.xticks(rotation=0)  # 控制 x 轴标签旋转角度，避免重叠
plt.show()

Seaborn 实现

语法：sns.barplot(x, y, data, ...)

python

sns.barplot(x='城市', y='销售额', data=df)
plt.title("各城市销售额对比")
plt.show()

Seaborn 特性

Seaborn 会自动计算分组均值并添加误差线，适合展示分组统计结果。

1.2.2 堆叠垂直条形图

适用场景：展示每个大类中各子类的构成，同时对比总量。

python

# 示例：不同城市不同产品的堆叠销售额
x = ["北京", "上海", "广州"]
product_a = [50, 60, 40]
product_b = [70, 72, 48]

plt.bar(x, product_a, label='产品A')
# bottom 指定第二层条形的底部基准
plt.bar(x, product_b, bottom=product_a, label='产品B')

plt.legend()
plt.title("各城市产品销售额堆叠图")
plt.show()

堆叠逻辑

多层堆叠时，每一层的 bottom 等于前面所有层的高度之和。

1.2.3 水平条形图

Matplotlib 实现

语法：plt.barh(y, width, ...)

python

cities = ["北京", "上海", "广州", "深圳"]
sales = [120, 132, 88, 95]

plt.barh(cities, sales, color='coral')
plt.title("各城市销售额对比")
plt.xlabel("销售额（万元）")

# 在条形右侧添加数值标签
for i, v in enumerate(sales):
    plt.text(v + 2, i, str(v), va='center')

plt.show()

适合类别名称较长的场景，避免 x 轴标签拥挤重叠。

1.2.4 水平交错条形图

适用场景：两组分类数据的横向并排对比。

python

y = np.arange(4)  # y 轴基准位置
bar_width = 0.35  # 单根条形宽度

plt.barh(y - bar_width/2, [120,132,88,95], height=bar_width, label='2023年')
plt.barh(y + bar_width/2, [110,125,92,100], height=bar_width, label='2024年')

plt.yticks(y, ["北京", "上海", "广州", "深圳"])
plt.legend()
plt.show()

1.2.5 分组条形图（Seaborn）

通过 hue 参数实现分组对比，是最常用的分组条形图实现方式。

python

sns.barplot(x='城市', y='销售额', hue='年份', data=df)
plt.title("各城市分年份销售额对比")
plt.show()

2 连续型变量的可视化

连续型（数值型）变量的可视化，用于展示数据分布、波动趋势、分位数特征。

注意：绘图前需提前处理缺失值（删除或填充），避免绘图报错。

2.1 直方图与核密度曲线

适用场景：展示单变量的数值分布情况，直方图展示分段计数，核密度图展示连续分布趋势。

Matplotlib 实现

语法：plt.hist(x, bins=10, density=False, ...) 核心参数：

x：一维数值序列
bins：直方图分箱个数
density：是否归一化为概率密度

python

# 示例：学生成绩分布
scores = df["成绩"].dropna()  # 先去除缺失值

plt.hist(scores, bins=20, color='steelblue', edgecolor='white')
plt.title("学生成绩分布直方图")
plt.xlabel("成绩")
plt.ylabel("人数")
plt.show()

Pandas 实现

python

# 直方图
df["成绩"].plot(kind='hist', bins=20, color='steelblue', title='成绩分布直方图')
plt.show()

# 核密度图（KDE）
df["成绩"].plot(kind='kde', color='red', title='成绩核密度图')
plt.show()

Seaborn 实现

python

# 直方图 + 核密度曲线
sns.histplot(data=df, x='成绩', bins=20, kde=True)
plt.title("成绩分布与核密度曲线")
plt.show()

# 分组核密度图
sns.kdeplot(data=df, x='成绩', hue='性别', fill=True, alpha=0.5)
plt.title("不同性别成绩分布对比")
plt.show()

历史版本说明

旧版 Seaborn 常用 sns.distplot()，新版本推荐使用 histplot 和 kdeplot 分别控制直方图与核密度，更灵活。

2.2 箱线图

适用场景：展示数据的四分位分布、识别异常值，适合多组分布对比。

Matplotlib 实现

python

plt.boxplot(df["成绩"])
plt.title("成绩箱线图")
plt.xticks([1], ["班级成绩"])
plt.show()

分组箱线图（Seaborn）

python

sns.boxplot(x='班级', y='成绩', data=df)
plt.title("不同班级成绩分布箱线图")
plt.show()

箱线图含义：

箱体：下四分位数（Q1）~ 上四分位数（Q3）
箱体中线：中位数
须线：正常范围上下限（Q1 - 1.5×IQR ~ Q3 + 1.5×IQR）
须线外的点：异常值

2.3 小提琴图

适用场景：结合箱线图与核密度的特点，同时展示分位数与分布密度形态。

python

sns.violinplot(x='班级', y='成绩', data=df)
plt.title("不同班级成绩小提琴图")
plt.show()

# 分组小提琴图（split 左右分半展示）
sns.violinplot(x='班级', y='成绩', hue='性别', data=df, split=True)
plt.show()

2.4 折线图

适用场景：展示数据随时间、顺序的变化趋势，尤其适合时间序列数据。

Matplotlib 实现

语法：plt.plot(x, y, marker=None, linestyle='-', ...)

python

months = ["1月","2月","3月","4月","5月","6月"]
sales = [20, 25, 22, 30, 28, 35]

plt.plot(months, sales, marker='o', linestyle='-', color='blue')
plt.title("上半年销售额趋势")
plt.xlabel("月份")
plt.ylabel("销售额（万元）")
plt.grid(alpha=0.3)  # 添加网格线
plt.show()

Pandas 多条折线图

python

# 多列同时绘制多条折线
df.plot(kind='line', style=['-', '--', ':'])  # 分别设置线条样式
plt.title("多指标趋势对比")
plt.legend()
plt.show()

3 关系型变量的可视化

展示两个及以上连续变量之间的关联关系。

3.1 散点图

适用场景：展示两个数值型变量之间的相关关系。

Matplotlib 实现

语法：plt.scatter(x, y, ...)

python

plt.scatter(df['身高'], df['体重'], alpha=0.7)
plt.title("身高与体重散点图")
plt.xlabel("身高（cm）")
plt.ylabel("体重（kg）")
plt.show()

Pandas 实现

python

df.plot(x='身高', y='体重', kind='scatter', title='身高体重散点图')
plt.show()

Seaborn 回归散点图

自动添加拟合回归线与置信区间：

python

sns.lmplot(x='身高', y='体重', data=df)
plt.title("身高体重回归散点图")
plt.show()

# 分组散点
sns.lmplot(x='身高', y='体重', hue='性别', data=df)
plt.show()

3.2 气泡图

适用场景：展示三个数值变量的关系，第三个变量通过气泡大小体现。

说明：Pandas 和 Seaborn 没有原生气泡图方法，通过 Matplotlib scatter 调整点大小 s 参数实现。

python

# x：身高，y：体重，气泡大小：肺活量
x = df['身高']
y = df['体重']
size = df['肺活量'] * 2  # 适当缩放，避免气泡过大或过小

plt.scatter(x, y, s=size, alpha=0.6, color='steelblue')
plt.title("身高、体重与肺活量气泡图")
plt.xlabel("身高（cm）")
plt.ylabel("体重（kg）")
plt.show()

气泡大小注意

气泡大小必须为正数，若数据包含负数需先做标准化/归一化处理
建议添加透明度 alpha，减轻气泡重叠遮挡问题

3.3 热力图

适用场景：展示二维交叉数据的数值大小，通过颜色深浅表示数值高低，适合相关性矩阵、交叉汇总表可视化。

python

# 示例：特征相关性热力图
corr = df.corr()  # 计算相关系数矩阵

sns.heatmap(corr, annot=True, cmap='RdBu_r', center=0)
plt.title("特征相关性热力图")
plt.show()

核心参数：

annot=True：在单元格内显示数值
cmap：配色方案
center：颜色映射的中心值

4 组合图布局

当需要在一个画布中放置多个子图时，使用网格布局实现。

subplot2grid 布局

语法：plt.subplot2grid(shape, loc, rowspan=1, colspan=1, **kwargs)

核心参数：

参数	说明
`shape`	网格整体形状，元组形式，如 `(2, 3)` 表示 2 行 3 列
`loc`	子图所在位置，`(行号, 列号)`，从 0 开始计数
`rowspan`	子图跨行数，默认 1
`colspan`	子图跨列数，默认 1

python

# 创建 2 行 2 列的组合图
plt.figure(figsize=(10, 8))

# 子图1：位置 (0,0)
plt.subplot2grid((2, 2), (0, 0))
plt.title("子图1：饼图")
plt.pie([1,2,3])

# 子图2：位置 (0,1)
plt.subplot2grid((2, 2), (0, 1))
plt.title("子图2：折线图")
plt.plot([1,2,3,4])

# 子图3：位置 (1,0)，跨 2 列
plt.subplot2grid((2, 2), (1, 0), colspan=2)
plt.title("子图3：条形图（跨两列）")
plt.bar(["A","B","C"], [5,3,6])

plt.tight_layout()  # 自动调整子图间距，避免重叠
plt.show()

布局技巧

plt.tight_layout() 放在所有子图定义完成后、plt.show() 之前，自动优化子图间距
跨行跨列时注意不要超出网格范围

本章练习

基础题

生成 100 个正态分布随机数，绘制直方图与核密度曲线。
创建包含班级、性别、成绩三列的测试数据，绘制分组箱线图（x 轴为班级，颜色按性别区分）。
生成 5 个城市 4 个季度的销售数据，绘制堆叠条形图。
计算数据中所有数值列的相关系数矩阵，绘制相关性热力图。

进阶题

使用 2×2 组合图布局，分别绘制直方图、箱线图、小提琴图、核密度图，从不同视角展示同一组数据的分布。
读取时间序列销售数据，绘制多产品折线图，添加数值标签、网格线与图例。
绘制气泡图展示销售额、利润、客户数三个变量的关系，气泡大小代表客户数。

本章常见易错点

中文显示乱码/方块：必须提前配置 font.sans-serif 和 axes.unicode_minus，全局配置一次即可。
饼图变形：忘记 plt.axis('equal') 导致饼图呈椭圆形。
条形图标签错位：添加文本标签时位置计算错误，注意 enumerate 的索引与坐标轴位置对应。
Seaborn 中文不显示：Seaborn 继承 Matplotlib 全局配置，只需全局配置一次字体。
组合图重叠：子图过多或标签过长导致重叠，使用 plt.tight_layout() 自动调整。
气泡大小异常：数值为负或数值量级差异过大，需先做缩放/归一化处理。

第六章 数据可视化 ​

0 前置配置 ​

0.1 忽略警告提示 ​

0.2 中文正常显示 ​

1 离散型变量的可视化 ​

1.1 饼图 ​

Matplotlib 实现 ​

Pandas 实现 ​

1.2 条形图 ​

1.2.1 垂直条形图 ​

Matplotlib 实现 ​

Pandas 实现 ​

Seaborn 实现 ​

1.2.2 堆叠垂直条形图 ​

1.2.3 水平条形图 ​

Matplotlib 实现 ​

1.2.4 水平交错条形图 ​

1.2.5 分组条形图（Seaborn） ​

2 连续型变量的可视化 ​

2.1 直方图与核密度曲线 ​

Matplotlib 实现 ​

Pandas 实现 ​

Seaborn 实现 ​

2.2 箱线图 ​

Matplotlib 实现 ​

分组箱线图（Seaborn） ​

2.3 小提琴图 ​

2.4 折线图 ​

Matplotlib 实现 ​

Pandas 多条折线图 ​

3 关系型变量的可视化 ​

3.1 散点图 ​

Matplotlib 实现 ​

Pandas 实现 ​

Seaborn 回归散点图 ​

3.2 气泡图 ​

3.3 热力图 ​

4 组合图布局 ​

subplot2grid 布局 ​

本章练习 ​

基础题 ​

进阶题 ​

本章常见易错点 ​

第六章数据可视化

0 前置配置

0.1 忽略警告提示

0.2 中文正常显示

1 离散型变量的可视化

1.1 饼图

Matplotlib 实现

Pandas 实现

1.2 条形图

1.2.1 垂直条形图

Matplotlib 实现

Pandas 实现

Seaborn 实现

1.2.2 堆叠垂直条形图

1.2.3 水平条形图

Matplotlib 实现

1.2.4 水平交错条形图

1.2.5 分组条形图（Seaborn）

2 连续型变量的可视化

2.1 直方图与核密度曲线

Matplotlib 实现

Pandas 实现

Seaborn 实现

2.2 箱线图

Matplotlib 实现

分组箱线图（Seaborn）

2.3 小提琴图

2.4 折线图

Matplotlib 实现

Pandas 多条折线图

3 关系型变量的可视化

3.1 散点图

Matplotlib 实现

Pandas 实现

Seaborn 回归散点图

3.2 气泡图

3.3 热力图

4 组合图布局

subplot2grid 布局

本章练习

基础题

进阶题

本章常见易错点