Python全栈开发-第2章 Matplotlib/Plotly高级图表

第一篇 · 数据分析与可视化📈 第2章 Matplotlib/Plotly高级图表让数据开口说话—从静态图到交互式可视化2.1 Matplotlib基础绘图Python可视化的基石，所有图表库的“祖师爷”如果说Pandas帮你理解了数据，那Matplotlib就帮你讲述了数据的故事。一张好的图表，胜过千言万语。Matplotlib是Python可视化的基石—几乎所有其他图表库都在它基础上构建。核心结构是Figure（画布）和Axes（子图）。把Figure想象成白纸，Axes就是纸上的一个个绘图框。importmatplotlib.pyplotaspltimportnumpyasnp plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False# 折线图months=['1月','2月','3月','4月','5月','6月']revenue=[120,135,148,162,155,178]fig,ax=plt.subplots(figsize=(10,5))ax.plot(months,revenue,'b-o',linewidth=2,markersize=8)ax.set_title('2024年上半年营收趋势',fontsize=16,fontweight='bold')ax.set_xlabel('月份');ax.set_ylabel('营收（万元）')ax.grid(True,alpha=0.3)plt.tight_layout()plt.savefig('line_chart.png',dpi=150)plt.show()print('折线图已保存')importmatplotlib.pyplotasplt plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False# 柱状图products=['手机','笔记本','平板','耳机','手表']sales=[580,320,210,450,180]colors=['#FF6B6B','#4ECDC4','#45B7D1','#96CEB4','#FFEAA7']fig,ax=plt.subplots(figsize=(10,5))bars=ax.bar(products,sales,color=colors,edgecolor='white',linewidth=1.5)forbar,valinzip(bars,sales):ax.text(bar.get_x()+bar.get_width()/2,bar.get_height()+10,f'{val}',ha='center',va='bottom',fontsize=12,fontweight='bold')ax.set_title('各品类销量对比',fontsize=16,fontweight='bold')ax.set_ylabel('销量（件）')ax.spines['top'].set_visible(False);ax.spines['right'].set_visible(False)plt.tight_layout();plt.savefig('bar_chart.png',dpi=150);plt.show()importmatplotlib.pyplotaspltimportnumpyasnp plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=Falsenp.random.seed(42)ad=np.random.uniform(5,50,50)sales=ad*3.5+np.random.normal(0,20,50)fig,axes=plt.subplots(1,2,figsize=(14,5))axes[0].scatter(ad,sales,c='#3498db',alpha=0.7,s=60,edgecolors='white')axes[0].set_title('广告投入 vs 销售额',fontsize=14)axes[0].set_xlabel('广告投入（万元）');axes[0].set_ylabel('销售额（万元）')axes[0].grid(True,alpha=0.3)axes[1].pie([35,28,20,17],labels=['手机','笔记本','平板','配件'],autopct='%1.1f%%',colors=['#FF6B6B','#4ECDC4','#45B7D1','#96CEB4'],explode=(0.05,)*4,shadow=True,startangle=90)axes[1].set_title('各品类销售占比',fontsize=14)plt.tight_layout();plt.savefig('scatter_pie.png',dpi=150);plt.show()💡 技巧plt.subplots()是最佳实践：相比plt.plot()，用fig, ax = plt.subplots()更灵活，可以精确控制每个子图。建议从一开始就养成这个习惯。🔑 核心要点核心知识点：fig, ax = plt.subplots()：创建画布和子图ax.plot()折线图、ax.bar()柱状图、ax.scatter()散点图ax.set_title()/set_xlabel()/set_ylabel()：标题和标签plt.tight_layout()：自动调整布局plt.savefig()：保存图片🧪 随堂测验在Matplotlib中，Figure和Axes的关系是什么？A. Figure是数据，Axes是图表B. Figure是画布（整个图形），Axes是画布上的子图区域C. 同一个东西的不同叫法D. Axes是画布，Figure是子图答案解析：Figure是整个图形窗口（画布），可包含一个或多个Axes（子图）。一个Figure就像白纸，每个Axes是纸上的一个绘图区域。2.2 图表美化与注释从“能用”到“好看”—让图表专业起来默认样式的Matplotlib图表看起来有些“朴素”。在汇报时，你需要让图表既美观又易读。Matplotlib提供了丰富的自定义选项，从颜色到字体、从标注到布局，一切尽在掌控。importmatplotlib.pyplotaspltimportnumpyasnp plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=Falseplt.style.use('seaborn-v0_8-whitegrid')months=['1月','2月','3月','4月','5月','6月','7月','8月','9月','10月','11月','12月']a=[120,135,150,142,168,195,210,198,225