数据可视化入门

常用数据可视化工具与图表选择最佳实践。

图表选择指南

数据关系	推荐图表	适用场景
对比	柱状图、条形图	不同类别的数值比较
趋势	折线图、面积图	随时间变化的数据
占比	饼图、环形图、堆叠柱状图	部分与整体的关系
分布	直方图、箱线图	数据的分布形态
关系	散点图、气泡图	两个变量之间的相关性
地理	地图、热力图	基于地理位置的数据

Matplotlib 基础

import matplotlib.pyplot as plt
import numpy as np

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 基础折线图
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y1, label='sin(x)', color='#22c55e', linewidth=2)
ax.plot(x, y2, label='cos(x)', color='#3b82f6', linewidth=2)
ax.set_title('三角函数', fontsize=16)
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.legend()
ax.grid(alpha=0.3)
plt.tight_layout()
plt.savefig('trig.png', dpi=150)
plt.show()

Pandas 内置绑图

import pandas as pd

df = pd.DataFrame({
    '月份': ['1月', '2月', '3月', '4月', '5月', '6月'],
    '产量': [120, 135, 150, 142, 168, 175],
    '良率(%)': [95.2, 96.1, 94.8, 97.0, 96.5, 97.3],
})

# 柱状图
df.plot(x='月份', y='产量', kind='bar', color='#22c55e', figsize=(8, 5))
plt.title('月度产量')
plt.tight_layout()
plt.show()

Seaborn 统计图

import seaborn as sns

# 设置主题
sns.set_theme(style="darkgrid", palette="husl")

# 分布图
fig, axes = plt.subplots(1, 2, figsize=(12, 5))

sns.histplot(data=df, x='产量', bins=10, kde=True, ax=axes[0])
axes[0].set_title('产量分布')

sns.boxplot(data=df, y='良率(%)', ax=axes[1])
axes[1].set_title('良率箱线图')

plt.tight_layout()
plt.show()

Plotly 交互式图表

import plotly.express as px

# 交互式散点图
fig = px.scatter(
    df, x='产量', y='良率(%)',
    text='月份',
    title='产量 vs 良率',
    color_discrete_sequence=['#22c55e'],
)
fig.update_traces(textposition='top center', marker_size=12)
fig.show()

# 交互式折线图
fig = px.line(
    df, x='月份', y='产量',
    title='产量趋势',
    markers=True,
)
fig.show()

ECharts（前端方案）

适用于 Web 页面的交互式图表：

<div id="chart" style="width: 600px; height: 400px;"></div>
<script src="https://cdn.jsdelivr.net/npm/echarts/dist/echarts.min.js"></script>
<script>
  const chart = echarts.init(document.getElementById('chart'))
  chart.setOption({
    title: { text: '月度产量' },
    xAxis: { data: ['1月', '2月', '3月', '4月', '5月', '6月'] },
    yAxis: {},
    series: [{
      type: 'bar',
      data: [120, 135, 150, 142, 168, 175],
      itemStyle: { color: '#22c55e' },
    }],
  })
</script>

可视化设计原则

1. 数据墨水比：减少不必要的装饰，突出数据本身
2. 颜色使用：同系列用渐变色，对比用互补色，不超过 7 种颜色
3. 标注清晰：标题、轴标签、图例、数据标签缺一不可
4. 响应式：考虑不同屏幕尺寸的展示效果

工具选择建议

• 快速探索：Pandas 内置 plot
• 精美静态图：Matplotlib + Seaborn
• 交互式图表：Plotly（Python）/ ECharts（前端）
• 商业报告：Power BI / Tableau