为什么选择matplotlib

Python可视化库很多：Seaborn、Plotly、Pyecharts。但matplotlib是根基——其他库大多基于它封装。掌握matplotlib后，你不仅能画出任何想要的图表，还能理解其他库的内部逻辑。而且matplotlib完全免费，文档丰富，社区庞大。

第一步：安装与基础配置

安装：pip install matplotlib。通常配合numpy和pandas一起用：pip install numpy pandas。

基础导入：

import matplotlib.pyplot as plt
import numpy as np

中文显示配置（解决中文乱码）：

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]
plt.rcParams[‘axes.unicode_minus’] = False

第二步：绘制基础图表

折线图

x = [1, 2, 3, 4, 5]
y = [10, 15, 7, 12, 20]
plt.plot(x, y, marker=’o’, linestyle=’–‘, color=’blue’)
plt.title(‘月度销售额’)
plt.xlabel(‘月份’)
plt.ylabel(‘销售额（万元）’)
plt.grid(True)
plt.show()

柱状图

categories = [‘A’, ‘B’, ‘C’, ‘D’]
values = [25, 40, 30, 55]
plt.bar(categories, values, color=[‘red’, ‘green’, ‘blue’, ‘orange’])
plt.title(‘各区域业绩对比’)
for i, v in enumerate(values):
plt.text(i, v + 1, str(v), ha=’center’)
plt.show()

饼图

sizes = [30, 25, 20, 15, 10]
labels = [‘产品A’, ‘产品B’, ‘产品C’, ‘产品D’, ‘其他’]
plt.pie(sizes, labels=labels, autopct=’%1.1f%%’, startangle=90)
plt.title(‘产品销售占比’)
plt.show()

第三步：图表美化技巧

默认图表比较朴素，通过以下技巧提升专业度：

  • 配色——不要用默认颜色，用专业配色方案（如Tableau配色、企业品牌色）
  • 标题——主标题说明内容，副标题补充背景
  • 注释——在关键数据点加注释说明原因
  • 图例——位置放在图表外或右上角，不要遮挡数据
  • 网格线——浅灰色虚线网格，辅助读数但不抢眼

美化示例：

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y, color=’#2E86AB’, linewidth=2.5)
ax.fill_between(x, y, alpha=0.3, color=’#2E86AB’)
ax.set_title(‘2026年Q3销售趋势’, fontsize=16, fontweight=’bold’)
ax.set_xlabel(‘月份’, fontsize=12)
ax.set_ylabel(‘销售额（万元）’, fontsize=12)
ax.grid(True, linestyle=’–‘, alpha=0.7)
ax.spines[‘top’].set_visible(False)
ax.spines[‘right’].set_visible(False)
plt.tight_layout()
plt.show()

第四步：多子图布局

一个画布放多个图表：

fig, axes = plt.subplots(2, 2, figsize=(12, 10))
axes[0, 0].plot(x, y1)
axes[0, 0].set_title(‘销售额’)
axes[0, 1].bar(categories, values)
axes[0, 1].set_title(‘区域对比’)
axes[1, 0].pie(sizes, labels=labels)
axes[1, 0].set_title(‘占比’)
axes[1, 1].scatter(x, y2)
axes[1, 1].set_title(‘相关性’)
plt.tight_layout()
plt.show()

subplots(2, 2)创建2行2列的画布，axes数组访问每个子图。tight_layout()自动调整间距，避免重叠。

第五步：结合pandas快速绘图

有DataFrame时，pandas内置plot方法直接调用matplotlib：

import pandas as pd
df = pd.DataFrame({‘月份’: [‘1月’, ‘2月’, ‘3月’], ‘销售额’: [100, 150, 120]})
df.plot(x=’月份’, y=’销售额’, kind=’bar’, figsize=(8, 5), title=’月度销售’)
plt.show()

kind参数可选：line（折线）、bar（柱状）、barh（横向柱状）、pie（饼图）、scatter（散点）、hist（直方图）。

常见问题与误区

  • 中文乱码——配置plt.rcParams字体，或保存时用指定字体
  • 图表保存模糊——用plt.savefig(‘chart.png’, dpi=300, bbox_inches=’tight’)
  • 多子图重叠——调用tight_layout()或手动调整subplots_adjust
  • 颜色太多分不清——同类数据用同色系，对比数据用互补色，不要超过7种颜色

效率数据

实测：用Excel做一张带多系列的折线图约5分钟，用matplotlib约3分钟写代码，但代码可以复用——数据更新后重新运行即可。10张图表的日报，Excel手动做约1小时，matplotlib脚本约10分钟（含运行）。更重要的是matplotlib可以自动化——设置定时任务，每天自动拉数据、生成图表、发送邮件。核心建议是：一次性图表用Excel更快，重复性图表用matplotlib脚本更值得投入。