数据可视化：把数据画清楚，也把结论讲明白

拿到一张数据表以后，很多人会下意识地问：“用哪一行代码能画图？”这个问题当然要解决，但它不是最先该问的。更靠谱的起点是：我想让读者比较什么，数据又是否真的支持这种比较？ 同一列数字可以画成折线图、柱状图或直方图，代码都能运行，表达的意思却完全不同。图形选错了，画得再精致也只是在清楚地说错话。

这一章不把 Matplotlib 当成函数清单来背。我们会跟着一份小型业务数据走完整条路：先明确问题，再整理数据，接着选择图形、控制 Figure 与 Axes、补齐标签和注释，最后检查图有没有误导并保存成可交付的文件。过程中还会穿插中文字体、seaborn、子图布局以及那些“代码不报错，图却不对劲”的坑。

学完以后，你应该能独立完成三件事：知道一组数据该用什么图；能用对象式写法稳定地画出它；能像审稿人一样检查图中有没有遗漏、遮挡或不诚实的视觉暗示。

先明确想从数据中看出什么，再选择真正适合的图表。

先决定要回答什么，再决定画什么

刚开始画图时，最容易出现的情况是：看到两列数字就画散点图，看到日期就画折线图，看到分类就画饼图。这种“按数据长相选图”的方法偶尔能碰对，却忽略了真正决定图形的东西——你的问题。

假设我们有一家网店的运营记录。下面五个问题看起来都在问“数据怎么样”，实际上比较方式完全不同：

这张表有一个很实用的规律：先用动词描述任务。 “看变化”“比大小”“找关系”“看分布”“比多组分布”，比“我想做一个好看的图”更容易带你走到正确图形。

折线图回答顺序和连续变化

折线会把相邻点连起来，因此它在视觉上暗示了顺序和连续过程。时间序列最常见，但并不是所有带日期的表都能直接画。日期乱序时，线会在横轴上来回折返；缺少某一天时，线会直接跨过去，让人误以为中间也测到了数据；把没有自然顺序的商品类别连起来，则会凭空制造“过程”。

折线图适合问“什么时候开始上升”“峰值出现在哪一天”“两条趋势是否同步”。它不适合问“苹果和键盘之间经历了怎样的变化”，因为这两个类别之间根本没有连续路径。

柱状图回答类别之间的大小差异

柱子的长度编码数值，读者会拿柱底作为共同基准比较。因此普通柱状图通常应该让数值轴从 0 开始。假如销量分别是 98 和 102，却把纵轴截在 97，两个只差 4 件的品类会看起来像差了几倍。

类别名称很长时，横向柱状图通常比把横轴文字旋转 90 度更好读；类别很多时，先按数值排序并只展示真正要比较的部分，比把几十根柱子挤在一起更有效。分组柱状图可以比较少量系列，系列一多，颜色和位置都会变成负担。

散点图回答两个数值变量的关系

散点图中的每个点通常代表一条观测，例如一日运营记录或一笔订单。点云朝右上方延伸，说明两个变量往往同向变化；点云分成几团，可能是不同渠道或地区混在一起；远离主体的点值得核查，但不能只凭“看起来很远”就删掉。

相关关系也不等于因果关系。广告投入高的日子订单更多，可能因为广告起效，也可能因为周末本来流量就大，而运营团队恰好也在周末追加预算。图可以提示下一步调查方向，不能替代实验设计。

直方图和箱线图回答分布问题

直方图会把数值范围切成若干区间，再统计每个区间有多少观测。它让我们看到集中位置、偏斜、双峰和长尾，但形状会受分箱边界与箱数影响。同一份数据用 5 个箱和 50 个箱，讲出来的故事可能完全不同，所以 bins 不是装饰参数。

箱线图把中位数、四分位范围和按规则识别的离群点压缩在一张图里，适合并排比较多组分布。它的紧凑也是代价：看不到每个峰的形状，样本量很少时还可能显得比实际更“稳定”。需要时可以叠加轻微抖动的原始点，或者同时给出每组样本数。

下面的实验室会先给你一个分析问题，再让你选择图形。别急着点答案，先试着用“变化、比较、关系、分布”中的一个词概括任务。

准备一份真正能画的数据

很多“绘图错误”其实不是画图函数的问题，而是数据在进图之前就乱了。日期还是字符串、金额混入了空值、类别前后带空格、同一天重复记录、横纵坐标长度不一致——这些情况最好在画图前暴露出来，而不是等图长得奇怪时再猜。

下面创建三张贯穿全章的表。数据是固定的，随机部分也使用固定种子，因此你重复运行能得到同样结果。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
 
# 每日运营数据：用于时间趋势和变量关系
daily = pd.DataFrame({
    "date": pd.date_range("2026-07-01", periods=14, freq="D"),
    "orders": [118, 126, 121, 137, 145, 151, 

画图前做一轮小体检

不要一上来就 plot()。先看列名、类型、缺失值、重复记录和取值范围，这几十秒通常能省下后面十几分钟排错。

print(daily.dtypes)
print(daily.isna().sum())
print("重复日期数：", daily["date"].duplicated().sum())
print("日期是否递增：", daily["date"].is_monotonic_increasing)
print("订单量范围：", daily["orders"].min(), "到", daily["orders"].max())
 
required = {"date", "orders", "revenue", "ad_spend"}
missing_columns = required -

这类检查不是为了追求“数据绝对干净”，而是逼自己把处理规则说清楚。例如订单金额缺失，直接删掉会不会改变渠道占比？同一天两条记录，是重复录入，还是两个门店的合法明细？在不知道原因时，dropna() 和 drop_duplicates() 都不该成为条件反射。

顺序、粒度和口径要先对齐

画时间趋势前按日期排序；画类别比较前先聚合到目标粒度；比较金额时确认单位一致。下面演示如何从订单明细得到“按渠道汇总”的表，并把样本量一起保留下来。

channel_summary = (
    orders
    .dropna(subset=["channel", "amount"])
    .groupby("channel", as_index=False)
    .agg(
        order_count=("amount", "size"),
        median_amount=("amount", "median"),
        mean_amount=("amount", "mean"),

这里保留 order_count 很重要。两个渠道的中位金额相近，如果一个渠道有 300 笔订单，另一个只有 7 笔，结论的稳定程度不一样。图上不一定要塞进所有统计量，但制图者必须知道自己正在比较什么。

NumPy 的形状决定数据能否配对

Matplotlib 画折线或散点时，横坐标与纵坐标需要能一一配对。最常见的报错是 x and y must have same first dimension。先看 .shape，比盯着绘图语句更快。

x = daily["ad_spend"].to_numpy()
y = daily["orders"].to_numpy()
 
print("x 形状：", x.shape)
print("y 形状：", y.shape)
 
if x.shape[0] != y.shape[0]:
    raise ValueError("广告投入和订单量的记录数不一致，不能逐点配对")

二维数组还要留意方向。形状 (14, 3) 通常可理解为 14 条观测、3 个变量，axis=0 聚合后得到每一列的结果，axis=1 聚合后得到每一行的结果。把轴理解反了，代码可能照样运行，却会把“每个变量的均值”画成“每条记录的均值”。

看懂 Figure、Axes 和 Artist 的分工

Matplotlib 最让新手困惑的地方，不是参数多，而是同一张图能用两套看起来很像的写法。网上经常同时出现 plt.title(...) 和 ax.set_title(...)。它们都能改标题，但背后的工作方式不一样。

你可以把一张 Matplotlib 图拆成三层：

• Figure 是整张画布，负责整体尺寸、布局、保存以及跨子图标题。
• Axes 是画布中的一个绘图区，负责坐标系、数据图形、刻度、轴标签、图例和局部标题。
• Artist 是实际被画出来的对象，包括线、柱子、散点集合、文字、图例等。

Axis 和 Axes 只差一个字母，却不是同一个东西。一个 Axes 通常包含 x、y 两个 Axis 对象；前者是整个绘图区，后者管理某一条坐标轴的刻度与刻度文字。

画布是容纳图形的大容器，坐标区才是真正承载数据图形的位置。

用对象式写法保留明确的控制权

fig, ax = plt.subplots(figsize=(9, 4.8), layout="constrained")
 
line, = ax.plot(
    daily["date"],
    daily["revenue"],
    color="#2463A8",
    marker="o",
    linewidth=2.2,
    label="每日营收",
)
 
ax.set(

plt.subplots() 一次返回 Figure 和 Axes 的引用。之后每个动作都明确告诉 ax：“把这条线画在你这里”“把标题设在你这里”。当画布有多个子图时，这种写法不容易串台，也更方便把绘图逻辑封装成函数。

如果 Figure、Axes、Axis 和 Artist 仍容易混在一起，可以在下面的解剖台中逐层点击。切换单图和双图布局时，留意 Figure 仍然只有一个，而 Axes 的数量会变化。

pyplot 为什么简单，又为什么容易串台

下面的状态式写法适合在交互环境里快速试一张小图：

plt.figure(figsize=(8, 4))
plt.plot(daily["date"], daily["orders"], marker="o")
plt.title("每日订单量")
plt.xlabel("日期")
plt.ylabel("订单数")
plt.show()

它之所以短，是因为 pyplot 在背后记录“当前 Figure”和“当前 Axes”，plt.plot()、plt.title() 都会作用到它认为当前的对象上。只有一张图时很方便；循环批量出图、混合多个子图或中途创建了另一张 Figure 时，“当前”可能已经不是你以为的那个。

状态式写法顺着当前坐标区继续绘制，对象式写法则先指定目标对象再操作。

把绘图函数写成“接收 Axes”

真正可复用的函数不必自己决定画布大小，也不必偷偷 show()。让调用者传入 Axes，函数只负责在指定位置作图。

def draw_revenue(ax, data, *, color="#2463A8"):
    """在给定 Axes 上绘制营收趋势，并返回线对象。"""
    clean = data.sort_values("date")
    line, = ax.plot(
        clean["date"],
        clean["revenue"],
        color=color,
        marker="o",
        linewidth=2,
        label="营收",
    )
    ax.set(

这段函数以后既能画在单图里，也能画在仪表盘左上角。它返回线对象，调用者还可以继续改透明度、线型或标签。边界清楚以后，绘图代码会像搭积木，而不是一串只能按固定顺序执行的命令。

把五种常用图画对

选图只是第一步。接下来要让编码方式、数据粒度和标签配合起来。以下五个例子都沿用前面准备的数据，并坚持对象式写法。

折线图：先排序，再解释断点和波动

fig, ax = plt.subplots(figsize=(10, 4.8), layout="constrained")
 
sorted_daily = daily.sort_values("date")
ax.plot(
    sorted_daily["date"],
    sorted_daily["revenue"],
    color="#2463A8",
    marker="o",
    markersize=4.5,
    linewidth=2.2

标题直接写出读图重点，比“营收折线图”更有信息量，但别把推测写成事实。图上只能看出总体上升和局部回落，不能仅凭这条线断言“广告策略成功”。如果要比较两条时间序列，还应确认频率、日期范围与单位一致。

折线上的每个标记不是必需的。点很多时，几十个标记会盖住线的形状，可以去掉 marker，或用 markevery=7 每隔若干点标一个。采样频率很高时也不要把所有刻度都印出来，刻度文字只是导航，不是数据表。

柱状图：用共同零点比较类别

ranked = products.sort_values("orders", ascending=True)
 
fig, ax = plt.subplots(figsize=(8.5, 4.8), layout="constrained")
bars = ax.barh(
    ranked["category"],
    ranked["orders"],
    color="#3E8E7E",
)
 
ax.set_title("数码配件订单最多，清洁用品最少", loc

横向排列让较长的中文品类名保持正常阅读方向。排序让比较更快，但顺序也可能有业务含义：月份、满意度等级、教育阶段都有自然顺序，不能为了整齐随意打乱。

柱顶数值适合类别不多的情况。类别达到二三十个时，标签会变成第二套刻度；这时可以只标注最关键的几根柱，或者让读者到配套表格里查精确值。图负责模式，表负责精确查询，两者不用互相冒充。

散点图：把每条观测保留下来

fig, ax = plt.subplots(figsize=(7.5, 5.2), layout="constrained")
points = ax.scatter(
    daily["ad_spend"],
    daily["orders"],
    s=58,
    color="#D06B3C",
    alpha=0.78,
    edgecolors="white",
    linewidths=0.7

alpha 能缓解点重叠，但不是万能的。如果十万条记录挤在一起，散点图会变成一团墨。可以抽取有代表性的样本、改用二维分箱图，或者汇总后再画；无论哪种，都要说明处理方式。

散点的颜色、大小和形状还能编码其他变量，但每加一个通道，读者就多一层解码任务。新手常把金额映射到点大小、渠道映射到颜色、地区映射到形状，再用透明度表示状态，结果图例比图还难读。先保住主问题，只增加真正影响解释的变量。

直方图：用多个分箱方案核对形状

fig, axs = plt.subplots(1, 2, figsize=(10, 4.2),
                        sharey=True, layout="constrained")
 
for ax, bins in zip(axs, [8, 20]):
    ax.hist(
        orders["amount"].dropna(),
        bins=bins,
        color="#7B6CB0",

如果换一个合理的 bins，核心结论就完全翻转，说明你看到的形状可能只是分箱造成的。箱宽也要结合量纲解释：订单金额按 1 元分箱通常太碎，按 1000 元分箱又可能抹掉主体结构。

直方图纵轴默认是每箱计数。比较两个样本量不同的数据集时，计数会受总样本量影响，可以考虑 density=True，但这时纵轴是密度，不是百分比。要在标题、标签或说明中把口径讲清楚。

箱线图：比较分布，不把异常点当垃圾

channel_order = ["自然访问", "内容推荐", "付费广告"]
grouped_amounts = [
    orders.loc[orders["channel"] == name, "amount"].dropna()
    for name in channel_order
]
 
fig, ax = plt.subplots(figsize=(8, 4.8), layout="constrained")
box = ax.boxplot(
    grouped_amounts,

箱体中间的线是中位数，箱体上下边通常对应第一、第三四分位数，箱外的点是按箱线图规则标出的潜在离群值。它们可能是大额真实订单，也可能是录入错误。正确动作是回到原始记录核查，而不是看到圆点就删除。

让标题、刻度、图例和注释各司其职

一张图不该要求读者先猜单位、颜色和时间范围。标题说明图在讲什么，轴标签说明变量和单位，刻度提供位置参照，图例解释视觉编码，注释指向少数关键点。它们分工明确，没必要把同一句话重复四遍。

标题写结论，副说明交代口径

“每日营收变化”只说了图的类型，“两周营收总体上升，7 月 10 日短暂回落”才告诉读者该看哪里。不过，结论标题必须能从图中直接得到。若回落原因尚未验证，就不要写“物流故障导致营收回落”。

fig, ax = plt.subplots(figsize=(10, 5), layout="constrained")
ax.plot(daily["date"], daily["revenue"],
        color="#2463A8", marker="o", linewidth=2)
 
ax.set_title("两周营收总体上升，期间出现两次日环比回落",
             loc="left", fontsize=14, pad

transform=ax.transAxes 表示用 Axes 的相对坐标定位文字，(0, 1.01) 接近绘图区左上方。这样文字位置不依赖营收的具体数值范围。与之相对，业务事件通常应该用数据坐标标注，因为箭头要指向某一天、某个值。

图例只解释真正存在的视觉编码

调用 legend() 并不会自动理解你的意图。它会收集带有效 label 的 Artist。如果画了三条线却没写标签，图例不是空，就是只显示默认内容。

fig, ax = plt.subplots(figsize=(9, 4.8), layout="constrained")
ax.plot(daily["date"], daily["orders"],
        label="订单数", color="#2463A8", linewidth=2)
ax.plot(daily["date"], daily["ad_spend"] / 20,
        label="广告投入 ÷ 20", color

这个例子故意把广告投入除以 20，让两条线能在同一量级比较形态。既然做了变换，图例和纵轴就必须说清楚，不能把变换后的值伪装成原始金额。更正式的交付中，最好先问是否真的需要把不同单位叠在一个坐标系里。

只有一条明显的线时，图例可能是多余的，直接在标题或线尾标注更省视线。图例遮住数据时，可以移到绘图区外，但也要检查保存后是否被裁掉。

刻度不是越密越精确

刻度太密时，文字会叠成黑块。日期轴可以使用日期定位器和格式器，让 Matplotlib 根据时间范围选取适量刻度。

import matplotlib.dates as mdates
 
fig, ax = plt.subplots(figsize=(9.5, 4.5), layout="constrained")
ax.plot(daily["date"], daily["orders"], marker="o", color="#3E8E7E")
 
locator = mdates.AutoDateLocator(minticks=4, maxticks=8)
ax.xaxis.set_major_locator(locator)

不要先用 set_xticklabels() 硬塞一串文字，却不同时确定刻度位置。刻度位置和刻度标签数量不匹配时，轻则警告，重则标签与数据错位。多数时候，使用定位器和格式器更稳。

注释只标关键点，并给文字留位置

peak_idx = daily["revenue"].idxmax()
peak_date = daily.loc[peak_idx, "date"]
peak_value = daily.loc[peak_idx, "revenue"]
 
fig, ax = plt.subplots(figsize=(9.5, 4.8), layout="constrained")
ax.plot(daily["date"], daily["revenue"],
        marker="o", color="#2463A8", 

xy 是箭头所指的数据坐标，xytext 使用相对点数偏移，数据范围改变时箭头仍指向峰值。每个点都标注会让图变成拥挤的表格，只标与问题直接相关的峰值、异常或政策节点就够了。

用颜色帮助阅读，而不是制造谜题

颜色很醒目，所以也很容易被滥用。先区分数据语义，再选颜色类型：无顺序类别用定性色板；从低到高的数值用明度连续变化的顺序色板；围绕零点或目标值向两边偏离的数据用发散色板。

分类、连续和发散不是一回事

• 渠道、地区、产品类型没有高低次序，适合几种彼此可区分的色相。
• 销量、密度、温度从低到高有顺序，适合亮度平滑变化的连续色板。
• 利润相对预算的正负偏差以 0 为中点，适合两端不同颜色、中间较中性的发散色板。

给连续数值随机分配十几种鲜艳颜色，会把相邻数值伪装成不同类别；给无序类别使用由浅到深的同色系，又会暗示类别有等级。色板不是皮肤，而是编码规则的一部分。

不要只靠红绿区分结果

部分读者难以区分红与绿，灰度打印也会让一些颜色失去差异。更稳的办法是同时使用颜色与另一种线索：线型、标记形状、直接文字或位置。

fig, ax = plt.subplots(figsize=(9, 4.6), layout="constrained")
 
ax.plot(daily["date"], daily["orders"],
        color="#0072B2", linestyle="-", marker="o",
        label="订单数")
ax.plot(daily["date"], daily["ad_spend"] / 20,

发布前可以做一个简单测试：把图转成灰度预览，看看系列是否还能分开；缩到报告里的实际大小，看看文字是否仍可读；关闭图例，只看线型和位置是否仍能追踪主要系列。

不要让颜色独自承担信息区分，配合线型、标记和标签能让图表更易辨认。

强调一个重点，其余内容主动退后

如果每根柱子都用不同的高饱和颜色，读者会以为每个类别都有额外含义。只想突出最高项时，可以让其余柱子统一使用低饱和颜色。

ranked = products.sort_values("orders", ascending=True)
max_name = ranked.loc[ranked["orders"].idxmax(), "category"]
colors = ["#D06B3C" if name == max_name else "#B9C2C9"
          for name in ranked["category"]]
 
fig, ax = plt.subplots(figsize=(8.5, 4.8), layout

这比写一个巨大箭头喊“看这里”更自然。强调色应服务于预先确定的问题，不能画完以后随便挑一个看起来刺激的点制造故事。

避开那些会让图说谎的设置

有些图没有任何编程错误，却会让读者形成错误印象。判断标准不是“参数能不能这么设”，而是“普通读者会从这个视觉长度、面积或位置中读出什么”。

柱状图截断零点会夸大差距

small_gap = pd.DataFrame({
    "plan": ["方案甲", "方案乙"],
    "score": [98, 102],
})
 
fig, axs = plt.subplots(1, 2, figsize=(9, 4), layout="constrained")
 
axs[0].bar(small_gap["plan"], small_gap["score"], color

折线图的重点是位置变化，不一定每次都从 0 开始；柱状图靠长度比较，零点则通常不可省略。如果业务上确实需要放大很小的差异，可以改画点图，或者明确标出断轴，别让读者误以为柱长代表从零开始的完整量。

截断坐标轴会夸大差距，读图时要先检查坐标轴再作判断。

双纵轴很容易制造假同步

两条趋势放在左右两套纵轴上，只要调整各自范围，就能让它们看起来高度重合或完全分离。读者又容易把空间位置当成同一尺度，所以双轴图要格外克制。

更稳的替代方法有三个：分成上下两个共享 x 轴的子图；把两个序列都转换成相对起点的指数；或者只展示业务真正关心的一条，另一条放到补充材料。必须使用双轴时，要清楚标注单位、让轴标签与线颜色对应，并检查缩放改变后结论是否仍成立。

面积、体积和三维效果会放大视觉差异

圆的半径翻倍，面积会变成四倍。用气泡大小表示数值时，绘图库的 s 参数通常控制面积而非半径，不能把数值直接理解成“圆的直径”。三维柱状图还会带来透视遮挡，让后排柱子难以比较。没有空间结构需要表达时，二维位置和长度通常更准确。

饼图只适合很少的部分与整体

饼图能表达“几个互斥部分合计为整体”，但人眼不擅长精确比较相近角度。类别超过五六个、数值相近、需要排序或需要跨时期比较时，柱状图通常更清楚。若百分比之和不是 100%，或者类别有重叠，饼图在语义上就已经不成立。

坐标范围、筛选和聚合都要透明

只截取上涨阶段、隐藏退货订单、把日数据改成周均值，都会改变读者看到的模式。这些处理不一定错误，但要在标题、图注或邻近文字中说明。尤其不要根据最终图形是否“好看”来选择时间窗口。

下面的侦查室把三种误导手法做成了可以动手修正的案例。每调整一个选项，都观察“数据没有变，视觉印象为什么变了”，再把最后的发布检查单带回自己的图。

用子图组织比较，而不是把所有东西叠在一起

当一个问题需要多个视角时，先考虑子图，不要急着把五条不同单位的线塞进同一个 Axes。好的子图共享一个分析主题，每个面板只承担一项清楚的比较。

用共享坐标保持比较尺度

fig, axs = plt.subplots(
    2,
    1,
    figsize=(10, 7),
    sharex=True,
    layout="constrained",
)
 
axs[0].plot(daily["date"], daily["orders"],
            color="#2463A8", marker="o")
axs[0].set(

sharex=True 让日期刻度对齐，读者可以沿垂直方向比较同一天。不同单位保留各自纵轴，不会假装数值能直接相减。如果比较的是相同指标的不同地区，还可以 sharey=True，避免每个子图自动缩放后把小波动都画得同样剧烈。

Axes 数组也有形状

plt.subplots(2, 2) 返回二维 Axes 数组，要用 axs[0, 1] 访问；plt.subplots(1, 2) 通常返回一维数组；只创建一个 Axes 时返回单个对象。这种返回形状差异很容易让循环代码报错。

fig, axs = plt.subplots(2, 2, figsize=(10, 7), layout="constrained")
 
print(axs.shape)  # (2, 2)
 
for ax in axs.flat:
    ax.grid(alpha=0.2)
 
axs[0, 0].plot(daily["date"], daily["orders"], color="#2463A8"

当面板职责不对称时，可以使用 subplot_mosaic 给位置起名字，代码会比记忆 [1, 0] 更直观。

fig, axd = plt.subplot_mosaic(
    [["trend", "trend"], ["distribution", "category"]],
    figsize=(10, 7),
    layout="constrained",
)
 
axd["trend"].plot(daily["date"], daily["revenue"], color="#2463A8")
axd["trend"].set_title("营收趋势")
 
axd[

layout="constrained" 会为常见标题、轴标签、刻度和图例协调空间。它不是无限画布：文字太长、子图太多时仍会挤压绘图区。遇到布局“缩成一团”，先增大 Figure、减少装饰或拆成两张图，不要无止境减小字号。

让样式统一，但别让样式污染后面的图

Matplotlib 样式表可以一次设置背景、网格、颜色循环和字体大小。它适合统一一组图的外观，但全局 plt.style.use(...) 会影响之后创建的图。在 Notebook 中运行顺序一乱，你可能发现同一段代码今天和昨天长得不一样。

用上下文临时套用样式

with plt.style.context("ggplot"):
    fig, ax = plt.subplots(figsize=(8.5, 4.3), layout="constrained")
    ax.plot(daily["date"], daily["orders"], marker="o")
    ax.set(title="临时使用 ggplot 样式", xlabel="日期", ylabel="订单数")
    plt.show()
 
# 离开 with 区块后，后续图恢复原来的样式配置

你可以用 plt.style.available 查看当前环境可用的样式名。不要照搬旧教程里的 "seaborn" 样式名，因为不同 Matplotlib 版本的内置样式名称可能变化；要使用 seaborn 的主题，直接调用 seaborn 的主题接口更清楚。

把团队规范写成少量明确设置

样式统一不是参数越多越专业。实际项目常用的规范不过是画布尺寸、字号层级、颜色循环、网格强度、边框和输出设置。下面用 rc_context 把它们限制在局部。

report_style = {
    "figure.figsize": (9, 4.8),
    "axes.titlesize": 14,
    "axes.labelsize": 11,
    "axes.spines.top": False,
    "axes.spines.right": False,
    "grid.alpha": 0.22,
    "legend.frameon": False,
}
 
with plt.rc_context(report_style):
    fig, ax = plt.subplots(

局部上下文还有一个好处：练习者复制这段代码时，不会悄悄改变同一 Notebook 里其他同学画的图。

理解 seaborn 在可视化工具链中的位置

seaborn 不是 Matplotlib 的替代品。它建立在 Matplotlib 之上，擅长直接接收整洁的 DataFrame，用列名映射 x、y、颜色和分面变量，并提供统计图形与较协调的默认主题。最后的 Axes、Figure、刻度和保存仍然与 Matplotlib 紧密相连。

axes-level 函数适合填入现有布局

sns.scatterplot、sns.histplot、sns.boxplot 这类函数可以接收 ax=，因此能放进我们已经创建的子图。

import seaborn as sns
 
sns.set_theme(style="whitegrid", context="notebook")
 
fig, axs = plt.subplots(1, 2, figsize=(11, 4.5), layout="constrained")
 
sns.scatterplot(
    data=orders,
    x="amount",
    y=

common_norm=False 表示各渠道分别归一化，更适合比较分布形状；若问题是“所有订单中各渠道在每个金额区间贡献多少”，则需要另一种口径。默认参数往往包含统计含义，不能只看输出是否漂亮。

figure-level 函数会管理自己的 Figure

relplot、displot、catplot 是 figure-level 接口，适合按变量快速分面。它们返回的通常不是 Axes，而是管理整张图的网格对象，也不该硬塞进已有的 ax=。

g = sns.catplot(
    data=orders,
    x="channel",
    y="amount",
    col="region",
    kind="box",
    height=3.4,
    aspect=0.9,
    sharey=True,
)
g.set_axis_labels("渠道", "订单金额（元）")
g.set_titles(

这里用 height 和 aspect 控制每个分面的尺寸。列数增加时，整张 Figure 会跟着变宽。需要把折线图、热力图和直方图精确拼成一张复杂报告时，先用 Matplotlib 创建布局，再用 axes-level seaborn 函数填充会更省心。

seaborn 的统计默认值需要读懂

某些 seaborn 函数会在绘图时自动聚合。例如柱形统计图可能展示每组均值以及不确定性，而不是把每条记录画成一根柱。如果读者以为柱高是总量，结论就错了。使用前明确三个问题：函数有没有聚合；估计量是均值、中位数还是计数；误差线表达的是什么。

当样本量不大时，可以把原始点和汇总叠加，让读者同时看到数据与概括：

fig, ax = plt.subplots(figsize=(8, 4.8), layout="constrained")
 
sns.boxplot(
    data=orders,
    x="channel",
    y="amount",
    color="#DCE6EC",
    showfliers=False,
    ax=ax,
)
sns.stripplot(
    data=

这里只叠加了固定随机种子抽取的 120 个点，所以标题附近或图注应说明“点为样本”，不能让人误以为展示了全量记录。showfliers=False 只是避免箱线图的离群点符号与散点重复，它没有从数据中删除这些订单。

稳健处理中文字体

“中文标题变成方框”不是数据问题，而是当前渲染环境找不到覆盖这些汉字的字体。只在自己电脑上写 SimHei，换到 Linux 服务器、同事的 macOS 或容器里就可能失效。稳健处理的重点不是收集一长串字体名，而是检查、选择、失败时给出明确提示。

先从已安装字体中选择

from matplotlib import font_manager
 
font_candidates = [
    "Noto Sans CJK SC",
    "Source Han Sans SC",
    "Microsoft YaHei",
    "PingFang SC",
    "SimHei",
    "Arial Unicode MS",
]
 
installed_names = {item.name for item in font_manager.fontManager.ttflist}
chosen_font = next(
    (name for name in font_candidates if name 

候选列表按优先级匹配。DejaVu Sans 放在后面用于补充拉丁字母和常见符号，却不能指望它覆盖全部中文。生产环境应在部署说明中固定字体依赖，不要默默依赖某台机器恰好装了什么。

随项目携带字体文件更可复现

如果授权允许，可以把字体文件作为项目资源部署，并在程序启动时注册。下面只展示机制，路径需要替换成项目中的真实文件。

from pathlib import Path
from matplotlib import font_manager
 
font_path = Path("assets/fonts/NotoSansCJKsc-Regular.otf")
 
if font_path.exists():
    font_manager.fontManager.addfont(font_path)
    font_name = font_manager.FontProperties(fname=font_path).get_name()
    plt.rcParams["font.family"] = font_name
    plt.rcParams["axes.unicode_minus"] = False
else:
    raise FileNotFoundError(f

运行时添加的字体不会自动变成系统字体，也不能假设下次新进程还记得它，所以应用每次启动都应注册。字体授权也要提前确认，能在自己电脑使用不一定代表能随网站或应用分发。

用包含负数和常见符号的测试图验收

fig, ax = plt.subplots(figsize=(7, 3.8), layout="constrained")
ax.plot(["一月", "二月", "三月"], [-2, 3, 1], marker="o")
ax.set(title="中文字体检查：温度变化", xlabel="月份", ylabel="温度（℃）")

别只看标题。轴标签、图例、负号、摄氏度符号和导出文件都要检查，因为交互窗口能显示不代表保存到 PDF 后一定完全相同。

保存一张可以交付的图

屏幕上显示正常，只完成了一半。交付图还要考虑文件格式、物理尺寸、分辨率、裁切、透明背景和输出路径。最稳的习惯是保留 fig，调用 fig.savefig(...)，不要依赖“当前 Figure”。

PNG、SVG 和 PDF 怎么选

• PNG 是栅格图，适合网页、聊天工具和包含大量像素元素的图。放大后会看到像素，尺寸和 dpi 要提前确定。
• SVG 是矢量图，线条和文字缩放仍清晰，适合网页与后期编辑；散点多到几十万时，文件可能很大。
• PDF 同样适合矢量输出，常用于报告和印刷，也能混合矢量与栅格元素。

figsize=(9, 4.8) 的单位是英寸。保存成 PNG 时，像素尺寸大致是英寸乘 dpi，例如 9 英寸乘 160 dpi 得到约 1440 像素宽。dpi 不会凭空增加信息：一张本来很小的低清位图塞进 Figure，再设 600 dpi，也不会恢复细节。

创建目录并显式保存

from pathlib import Path
 
output_dir = Path("output/chapter10")
output_dir.mkdir(parents=True, exist_ok=True)
 
fig, ax = plt.subplots(figsize=(9, 4.8), layout="constrained")
ax.plot(daily["date"], daily["revenue"],
        color="#2463A8", marker

网页图常见 dpi 在 120 到 180 左右，印刷可能需要更高，但最终应根据版面尺寸和交付规范决定。bbox_inches="tight" 会尝试把图外的标题、图例和标签纳入边界并减少多余白边；保存后仍要实际打开文件检查，不能把参数名当成验收结果。

保存要放在 show 之前

不同后端对 show() 的处理不同，有的环境在显示后会关闭或清理当前图。把 savefig() 放在 show() 之后，可能得到空图。对象式写法下即使 fig 引用仍在，也建议形成固定顺序：创建、绘制、保存、显示、关闭。

fig, ax = plt.subplots()
ax.plot([1, 2, 3], [2, 5, 4])
 
fig.savefig("example.png", dpi=160, bbox_inches="tight")
plt.show()
plt.close(fig)

批量生成很多图时，plt.close(fig) 尤其重要。pyplot 会保留经它创建的 Figure 引用，不关闭会积累内存，还可能触发“打开的 Figure 太多”的警告。

排查空图、错位、遮挡和重复状态

绘图排错有一个朴素顺序：先确认数据，再确认对象，再确认布局，最后确认输出。不要一看到空白就同时改字体、后端、样式和保存参数，那样即使图突然出现，你也不知道是哪一步起作用。

图是空的：先问保存的是哪一个 Figure

fig_data, ax_data = plt.subplots()
ax_data.plot(daily["date"], daily["orders"])
 
fig_empty = plt.figure()  # 这会成为 pyplot 追踪的“当前 Figure”
 
# 错误风险：plt.savefig(...) 保存当前的 fig_empty
# 正确：对持有数据的对象明确保存
fig_data.savefig("orders.png", dpi=160, bbox_inches="tight")
 
plt.close(fig_empty)
plt.close(fig_data)

如果图窗里有线而文件是空白，检查是不是保存错 Figure、是不是在保存前调用了清空或关闭、是不是把保存放到了会清理图形的 show() 之后。

维度报错：打印长度、形状和索引

x = daily["date"].iloc[:-1]
y = daily["orders"]
 
print("x 长度：", len(x), "形状：", x.shape)
print("y 长度：", len(y), "形状：", y.shape)
 
if len(x) != len(y):
    print("不能逐点绘制：横纵数据数量不一致")

pandas 还会带索引。分别筛选两个 Series 后，它们可能长度相同、索引却指向不同记录。最稳的做法通常是在同一个 DataFrame 上一次完成筛选，再从结果取 x、y，而不是各自筛选后强行转成数组凑长度。

plot_data = daily.loc[
    daily[["ad_spend", "orders"]].notna().all(axis=1),
    ["ad_spend", "orders"],
]
 
fig, ax = plt.subplots()
ax.scatter(plot_data["ad_spend"], plot_data["orders"])
plt.show()

标签被切掉或互相遮挡：先调整结构

长标签被切掉时，按这个顺序处理：启用约束布局；增大画布；改成横向图；减少刻度数量或缩短文案；最后才是轻微旋转和调整字号。把所有文字缩到 6 号虽然“不重叠”，却已经失去可读性。

图例遮住数据时，先问图例是否必要，再考虑放到空白区域或绘图区外。注释放不下时，减少注释数量，或者把细节移到正文。布局工具能挪位置，不能替你决定信息优先级。

线条和柱子越画越多：检查是否复用了旧 Axes

Notebook 里反复运行 ax.plot(...) 会把新 Artist 加到同一个 Axes 上，不会自动替换旧线。你以为“这次只画一条”，实际画布已经积累了五条。

fig, ax = plt.subplots()
 
for column in ["orders", "revenue"]:
    ax.clear()
    ax.plot(daily["date"], daily[column])
    ax.set_title(column)
    fig.canvas.draw()
 
plt.close(fig)

上面演示了确实要复用同一 Axes 时可 clear()。更常见的批量导出任务里，直接在每轮循环创建新 Figure、保存后关闭，逻辑更清楚。

for column, ylabel in [("orders", "订单数"), ("revenue", "营收（元）")]:
    fig, ax = plt.subplots(figsize=(8, 4), layout="constrained")
    ax.plot(daily["date"], daily[column])
    ax.set(title=ylabel, xlabel="日期", ylabel=ylabel)
    fig.savefig(f"

seaborn 图跑到别处：确认接口层级和 ax 参数

axes-level 函数忘了传 ax=，通常会画到当前 Axes；figure-level 函数则会创建并管理自己的 Figure。看到“左边子图是空的，图却另开了一张”时，先确认函数属于哪一层，不要用 plt.sca() 强行补救复杂布局。

警告不是背景噪声

字体缺字、固定刻度、布局无法收敛、打开 Figure 过多，这些警告往往正好解释了图为什么不对。调试时不要全局屏蔽 warnings。先读完整警告，缩小到能复现问题的最小代码，再对症处理。

从问题到交付的完整工作流

我们把前面的知识收拢成一个真实任务：运营同事想知道“最近两周订单增长是否稳定，广告投入与订单有没有值得继续调查的关系，订单金额又主要分布在哪里”。这不是一张万能图能回答的，适合做成三个共享主题的面板。

可靠的可视化不是画完就结束，还要检查标题、坐标、颜色和保存结果。

明确读者和结论边界

在动手前先写一句任务说明：这张图给运营复盘使用，展示描述性模式，不证明广告带来订单增长。时间范围是 14 天，样本较短，趋势只能用于发现问题，不能当长期预测。

准备并验证数据

trend_data = (
    daily
    .loc[:, ["date", "orders", "revenue", "ad_spend"]]
    .dropna()
    .sort_values("date")
)
 
amount_data = orders.loc[orders["amount"].notna(), ["channel", "amount"]]
 
if trend_data.empty or amount_data.empty:
    raise ValueError("绘图数据为空，请检查筛选条件和缺失值处理")
 
if trend_data["date"

创建布局并逐面板表达

fig, axd = plt.subplot_mosaic(
    [["trend", "trend"], ["relation", "distribution"]],
    figsize=(11, 8),
    layout="constrained",
)
 
# 上方：沿时间的订单趋势
axd["trend"].plot(
    trend_data["date"],
    trend_data["orders"],
    color="#2463A8",
    marker=

注释关键点并保存

peak_idx = trend_data["orders"].idxmax()
peak_date = trend_data.loc[peak_idx, "date"]
peak_orders = trend_data.loc[peak_idx, "orders"]
 
axd["trend"].annotate(
    f"最高 {peak_orders} 单",
    xy=(peak_date, peak_orders),
    xytext=(-70, -35),
    textcoords="offset points",

这份代码故意没有塞入所有可用指标。退货率、地区差异和营收可以另做补充图。一个面板承担一个问题，整张 Figure 承担一个主题，这种克制会让读者更快抓住信息。

发布前做三遍检查

第一遍查数据：日期、单位、缺失、重复、筛选条件、聚合口径和样本量。第二遍查视觉：图形是否匹配问题，坐标起点是否诚实，颜色是否可区分，标题是否超出证据，标签和图例是否完整。第三遍查成品：打开导出文件，在目标页面宽度下看字体、裁切、分辨率和灰度效果。

练习：先做判断，再写代码

练习一：修复会折返的时间线

下面的数据日期顺序被打乱了。请画出正确的访问量趋势，并在最高点加注释。

visits = pd.DataFrame({
    "date": ["2026-08-03", "2026-08-01", "2026-08-04", "2026-08-02"],
    "visitors": [860, 720, 910, 805],
})

visits["date"] = pd.to_datetime(visits["date"])
visits = visits.sort_values("date")
 
peak = visits.loc[visits["visitors"].idxmax()]
 
fig, ax = plt.subplots(figsize=(8, 4), layout="constrained")
ax.plot(visits["date"], visits["visitors"], marker="o", color

练习二：把误导柱状图改诚实

两家门店的满意度分别是 4.72 和 4.78，满分 5 分。有人画柱状图并把纵轴设为 4.70 到 4.80。请说明问题，并给出两种改法。

stores = pd.DataFrame({"store": ["东店", "西店"], "score": [4.72, 4.78]})
 
fig, axs = plt.subplots(1, 2, figsize=(9, 4), layout="constrained")
 
bars = axs[0].bar(stores["store"], stores["score"

练习三：选择 seaborn 接口

你已经用 plt.subplots(2, 2) 创建了四个面板，想把订单金额箱线图画到右下角。应该优先用 sns.boxplot(..., ax=axs[1, 1])，还是 sns.catplot(kind="box")？为什么？

练习四：给自己的图做发布审查

任选本章一段代码，换成你自己的数据，然后逐项回答：

1. 图要回答的问题能否用一个动词说清楚？
2. 数据是否检查了类型、缺失、重复、顺序、单位与粒度？
3. 图形是否匹配“变化、比较、关系或分布”？
4. 标题有没有把推测写成事实？
5. 柱状图是否保留零点，颜色是否还有非颜色线索？
6. 图例、刻度和注释有没有遮住数据或重复表达？
7. 中文、负号和单位在导出文件中是否正常？
8. 是否使用 fig.savefig()，并实际打开 PNG、SVG 或 PDF 检查？

当你能不看模板完成这份清单，遇到新数据时就不会只剩下“试几个函数看看”。你会先明确问题，用数据检查守住口径，再选择视觉编码，最后把成品当成读者真正会看到的文件来验收。这才是一条可复用的数据可视化工作流。

关键不是记住 sort_values，而是理解折线连接的是表中当前相邻的行。日期若仍是字符串，在统一的 YYYY-MM-DD 格式下碰巧也能正确排序，但转成日期类型后，日期格式化、时间差计算和缺日检查都更可靠。

点图可以放大位置差异，因为它不使用从零开始的柱长编码，但横轴范围仍要清楚显示，标题也应如实描述差距。