Python使用Matplotlib和Seaborn绘制常用图表的技巧

pip install pandas matplotlib seaborn

import pandas as pd
import numpy as np # NumPy常用于生成数值数据
import matplotlib.pyplot as plt
import seaborn as sns

# 设置Matplotlib中文显示，防止乱码
plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像时负号'-'显示为方块的问题

# 创建一个简单的DataFrame
data = {
    '月份': ['一月', '二月', '三月', '四月', '五月', '六月'],
    '销售额': [150, 200, 180, 220, 250, 230],
    '成本': [100, 120, 110, 130, 140, 135],
    '利润': [50, 80, 70, 90, 110, 95],
    '产品A销量': [30, 45, 40, 50, 60, 55],
    '产品B销量': [20, 30, 25, 35, 40, 38],
    '评分': [75, 80, 85, 70, 90, 88]
}
df = pd.DataFrame(data)
print("示例DataFrame:")
print(df)

# 创建一些用于直方图和饼图的额外数据
np.random.seed(42) # 为了结果可复现
scores = np.random.normal(loc=75, scale=10, size=100) # 模拟100个考试分数
categories = ['电子产品', '服装', '食品', '家居', '图书']
sales_by_category = [400, 300, 200, 150, 100]

plt.figure(figsize=(10, 6)) # 设置图表大小
plt.plot(df['月份'], df['销售额'], marker='o', linestyle='-', color='skyblue', label='销售额')
plt.plot(df['月份'], df['成本'], marker='x', linestyle='--', color='salmon', label='成本')

plt.title('月度销售额与成本趋势')
plt.xlabel('月份')
plt.ylabel('金额 (万元)')
plt.grid(True, linestyle='--', alpha=0.7) # 添加网格线
plt.legend() # 显示图例
plt.show()

plt.figure(figsize=(8, 6))
plt.scatter(df['销售额'], df['利润'], color='purple', alpha=0.7)

plt.title('销售额与利润关系散点图')
plt.xlabel('销售额 (万元)')
plt.ylabel('利润 (万元)')
plt.grid(True, linestyle=':', alpha=0.6)
plt.show()

plt.figure(figsize=(10, 6))
plt.bar(df['月份'], df['产品A销量'], color='lightgreen', label='产品A销量')
plt.bar(df['月份'], df['产品B销量'], bottom=df['产品A销量'], color='lightcoral', label='产品B销量') # 堆叠柱状图

plt.title('月度产品销量对比')
plt.xlabel('月份')
plt.ylabel('销量 (件)')
plt.legend()
plt.show()

plt.figure(figsize=(8, 6))
plt.hist(scores, bins=10, color='teal', edgecolor='black', alpha=0.7) # bins参数控制分组数量

plt.title('学生考试分数分布')
plt.xlabel('分数')
plt.ylabel('人数')
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

plt.figure(figsize=(8, 8))
plt.pie(sales_by_category, labels=categories, autopct='%1.1f%%', startangle=90, colors=sns.color_palette('pastel'))
# autopct='%1.1f%%' 显示百分比
# startangle=90 从90度开始逆时针绘制
# colors=sns.color_palette('pastel') 使用Seaborn的调色板让饼图更美观

plt.title('各产品类别销售额占比')
plt.axis('equal') # 保证饼图是正圆
plt.show()

# 加载Seaborn自带数据集
tips = sns.load_dataset('tips')
print("\nSeaborn 'tips' 数据集:")
print(tips.head())

plt.figure(figsize=(10, 6))
sns.scatterplot(x='total_bill', y='tip', hue='time', style='smoker', size='size', data=tips)
plt.title('用餐总金额与小费关系 (按用餐时间与吸烟者区分)')
plt.xlabel('用餐总金额 ($)')
plt.ylabel('小费 ($)')
plt.grid(True, linestyle='--', alpha=0.6)
plt.show()

plt.figure(figsize=(10, 6))
sns.histplot(data=tips, x='total_bill', kde=True, hue='sex', palette='viridis')
# kde=True 会在直方图上叠加核密度估计曲线
# hue='sex' 按性别进行分组显示
plt.title('用餐总金额分布 (按性别)')
plt.xlabel('用餐总金额 ($)')
plt.ylabel('计数')
plt.show()

plt.figure(figsize=(10, 6))
sns.kdeplot(data=tips, x='total_bill', hue='time', fill=True, palette='coolwarm')
plt.title('用餐总金额核密度估计 (按用餐时间)')
plt.xlabel('用餐总金额 ($)')
plt.ylabel('密度')
plt.show()

plt.figure(figsize=(10, 6))
sns.barplot(x='day', y='total_bill', hue='sex', data=tips, palette='deep')
plt.title('每日用餐总金额均值 (按性别)')
plt.xlabel('星期几')
plt.ylabel('用餐总金额均值 ($)')
plt.show()

plt.figure(figsize=(8, 6))
sns.countplot(x='day', hue='time', data=tips, palette='pastel')
plt.title('每日用餐次数 (按用餐时间)')
plt.xlabel('星期几')
plt.ylabel('用餐次数')
plt.show()

plt.figure(figsize=(10, 6))
sns.boxplot(x='day', y='total_bill', hue='smoker', data=tips, palette='muted')
plt.title('每日用餐总金额分布 (按吸烟者)')
plt.xlabel('星期几')
plt.ylabel('用餐总金额 ($)')
plt.show()

plt.figure(figsize=(10, 6))
sns.violinplot(x='day', y='tip', hue='sex', data=tips, palette='viridis', inner='quartile')
# inner='quartile' 显示四分位数线
plt.title('每日小费金额分布 (按性别)')
plt.xlabel('星期几')
plt.ylabel('小费 ($)')
plt.show()

# 计算tips数据集中数值列的相关性矩阵
correlation_matrix = tips[['total_bill', 'tip', 'size']].corr()

plt.figure(figsize=(8, 7))
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt=".2f", linewidths=.5)
# annot=True 在热力图上显示数值
# cmap='coolwarm' 设置颜色映射
# fmt=".2f" 格式化数值为两位小数
plt.title('用餐数据数值变量相关性热力图')
plt.show()