Python商务数据分析——Matplotlib 数据可视化学习笔记

一、Matplotlib 基础认知

1.1 库功能与定位

• 核心作用：将数据可视化展示，提升数据直观性与说服力

• 应用场景：绘制折线图、饼图、柱状图等 2D/3D 图表

• 双接口模式：

• • MATLAB 风格：通过pyplot函数快速绘图（自动管理图形对象）

• • 面向对象：显式创建Figure和Axes对象（适合复杂绘图）

1.2 核心对象架构

• 容器类：图 (Figure)、坐标系 (Axes)、坐标轴 (Axis)、刻度 (Tick)

• 基础类：线条、文本、图例、网格、标题等

1.3 环境搭建

# 安装命令

pip install matplotlib

# 验证安装

import matplotlib.pyplot as plt

print(plt.__name__) # 输出：matplotlib.pyplot

二、Pyplot 绘图基础

2.1 核心函数速查表

功能分类	常用函数	说明
图形控制	figure()	创建空白图形
	show()	显示图形
	savefig()	保存图形到文件
子图管理	subplot(nrows, ncols, index)	在网格中添加子图
	subplots(rows, cols)	创建子图矩阵
	subplot2grid(shape, loc)	非等分网格布局
元素设置	xlabel()/ylabel()	设置坐标轴标签
	title()/suptitle()	设置子图 / 总图标题
	legend()	添加图例
绘图函数	plot()	绘制折线图
	bar()/hist()	绘制柱状图 / 直方图
	scatter()/pie()	绘制散点图 / 饼图

2.2 图形与子图操作

2.2.1 基础图形创建

# 创建8x4英寸、120dpi、深灰色背景的图形

plt.figure(figsize=(8, 4), dpi=120, facecolor='darkgray')

2.2.2 网格子图布局

# 方法1：subplot直接创建

plt.subplot(2, 2, 1) # 2行2列第1个子图

plt.subplot(2, 2, 2, polar=True) # 极坐标子图

# 方法2：subplots批量创建

fig, ax = plt.subplots(2, 2)

ax[0, 0].bar(['C', 'C++', 'Java'], [12, 34, 45], color='r')

2.2.3 灵活子图布局

# 非等分网格（3x3布局）

plt.subplot2grid((3, 3), (0, 0), colspan=2) # 占据第1行前2列

plt.subplot2grid((3, 3), (1, 0), rowspan=2, colspan=2) # 占据第2-3行前2列

plt.subplot2grid((3, 3), (0, 2), rowspan=3) # 占据第1-3行第3列

plt.tight_layout() # 自动调整子图间距

三、可视化样式配置

3.1 绘图属性设置

3.1.1 颜色方案

• 字符表示：'b'(蓝)、'g'(绿)、'r'(红)、'k'(黑)

• RGB 表示：'#008000'(绿色)、'#FF5733'(橙色)

• 灰度值：'0.8'(浅灰)、'0.2'(深灰)

3.1.2 线条样式

符号	样式	示例
'-'	实线	plt.plot(x, y, '-')
'--'	虚线	plt.plot(x, y, '--')
'-.'	点划线	plt.plot(x, y, '-.'
':'	点线	plt.plot(x, y, ':')

3.1.3 标记符号

# 常用标记示例

plt.plot(x, y, marker='o') # 圆圈

plt.scatter(x, y, marker='^') # 上三角

plt.plot(x, y, marker='s') # 正方形

plt.scatter(x, y, marker='*') # 星形

3.2 中文显示方案

# 方案1：全局字体设置

plt.rcParams['font.sans-serif'] = ['SimHei'] # 黑体

plt.rcParams['axes.unicode_minus'] = False # 解决负号显示问题

# 方案2：局部字体设置

plt.xticks(fontproperties='Times New Roman', size=10)

plt.title('标题', fontproperties='SimSun') # 宋体标题

四、2D 图表实战

4.1 折线图系列

4.1.1 单序列折线图

import pandas as pd

# 数据读取与处理

df = pd.read_excel('user_analysis.xlsx')

df.dropna(axis=0) # 移除空值行

# 绘图核心代码

plt.plot(df['时间'], df['新关注人数'])

plt.title('公众号每日新增用户数')

plt.xlabel('日期')

plt.ylabel('新增人数')

plt.xticks(rotation=45) # 倾斜x轴标签防重叠

plt.show()

4.1.2 多序列对比图

# 绘制双序列折线图

plt.plot(df['新关注人数'],

marker='o', markersize=5, markerfacecolor='mediumpurple')

plt.plot(df['取消关注人数'],

marker='o', markersize=5, markerfacecolor='orangered')

# 图例与标签设置

plt.legend(['新关注人数', '取消关注人数'], loc='upper center')

plt.xlabel('日期')

plt.ylabel('人数')

4.1.3 堆积折线图

df = pd.read_excel('mobile_phone.xlsx')

# 绘制堆积效果

plt.stackplot(df['品牌'], df['6月'], df['7月'], df['8月'], df['9月'])

# 图表美化

plt.legend(['6月销量', '7月销量', '8月销量', '9月销量'])

plt.title('手机品牌销量趋势堆积图')

plt.ylim(0, 1500) # 设置y轴范围

4.2 散点图应用

4.2.1 基础散点图

# 样本数据

age = [34, 40, 37, 30, 44, 36, 32, 26, 32, 36]

income = [350, 450, 169, 189, 183, 80, 166, 120, 75, 40]

sales = [123, 114, 135, 139, 117, 121, 133, 140, 133, 133]

# 绘制带气泡大小的散点图

plt.scatter(age, sales,

c=np.random.randint(0, 50, 10), # 随机颜色

marker='o', alpha=0.9, # 透明度

edgecolors='red', linewidths=0.3, # 边框样式

s=income) # 气泡大小与收入正相关

4.2.2 分组散点图

df = pd.read_excel('next_budget.xlsx')

men = df[df['gender']=='男性']

women = df[df['gender']=='女性']

# 分组绘制

plt.scatter(men['age'], men['next_budget'],

s=35, c='steelblue', label='男性')

plt.scatter(women['age'], women['next_budget'],

s=35, c='red', label='女性')

# 标签与图例

plt.legend()

plt.title('年龄与购车预算分布')

4.3 柱状图系列

4.3.1 并列柱状图

import numpy as np

x = np.arange(4)

y1 = np.random.randint(20, 50, 4) # 销售A组数据

y2 = np.random.randint(20, 50, 4) # 销售B组数据

# 并列绘制（偏移0.1防止重叠）

plt.bar(x-0.1, y1, width=0.2, label='销售A组')

plt.bar(x+0.1, y2, width=0.2, label='销售B组')

# 刻度与标签

plt.xticks(x, ['Q1', 'Q2', 'Q3', 'Q4'])

plt.legend()

4.3.2 堆积柱状图

x = np.arange(4)

y1 = np.random.randint(20, 50, 4) # 底层数据

y2 = np.random.randint(10, 60, 4) # 堆叠数据

# 堆积实现（bottom参数指定底层数据）

plt.bar(x, y1, width=0.4, label='销售A组')

plt.bar(x, y2, width=0.4, bottom=y1, label='销售B组')

# 图表设置

plt.legend(loc='lower right')

plt.title('季度销售额堆积图')

4.4 饼图与环形图

4.4.1 标准饼图

data = np.random.randint(100, 500, 7) # 随机销售额数据

labels = ["裙子", "毛衣", "牛仔裤", "T恤", "袜子", "配件", "短裤"]

# 绘制带百分比的饼图

plt.pie(data,

autopct='%.1f%%', # 显示百分比

explode=[0.05, 0, 0.1, 0, 0, 0, 0], # 突出显示部分区域

colors=np.random.rand(7, 3), # 随机颜色

startangle=90) # 起始角度

plt.title('服装销售额占比分析')

plt.legend(labels)

4.4.2 环形图实现

# 方案1：饼图改造法

fig, ax = plt.subplots(figsize=(6, 6))

ax.pie([87, 13],

wedgeprops={'width':0.3}, # 控制环宽（0.3表示内径70%）

startangle=90,

colors=['#5DADE2', '#515A5A'])

# 中心文本标注

plt.text(0, 0, "87%", ha='center', va='center', fontsize=42)

plt.title('全球通电率统计')

五、高级可视化图表

5.1 热力图

import numpy as np

# 生成6x5随机数据矩阵

data = np.random.randint(70, 100, (6, 5))

# 绘制热力图

plt.imshow(data, cmap='coolwarm') # 冷暖色调映射

# 坐标轴标签设置

plt.xticks(range(5), ["A指标", "B指标", "C指标", "D指标", "E指标"])

plt.yticks(range(6), [f'产品{i+1}' for i in range(6)])

# 添加颜色条

plt.colorbar()

plt.title('6个产品的五个指标热力图')

5.2 雷达图

import numpy as np

# 地区与指标数据

province = ["湖北", "广东", "湖南", "江西", "云南"]

index1 = [4.5, 4.9, 3.9, 2.8, 2.6, 4.5] # 首尾重复以闭合

index2 = [4.9, 4.7, 4.5, 3.9, 3.8, 4.9]

# 极坐标设置

plt.subplot(polar=True)

theta = np.linspace(0, 2*np.pi, len(index1)) # 圆周等分

# 绘制双序列雷达图

plt.plot(theta, index1)

plt.fill(theta, index1, 'm', alpha=0.1) # 填充区域

plt.plot(theta, index2)

# 图例与标题

plt.legend(['产品1', '产品2'], loc='best')

plt.title('区域产品竞争力雷达图')

5.3 箱线图

import numpy as np

# 生成含离群点的数据

data = np.random.randint(0, 100, 47)

data = np.append(data, [160, 200, -50]) # 添加离群点

# 绘制箱线图

plt.boxplot(data,

whis=1.5, # 离群点判定阈值

showmeans=True, # 显示均值

notch=True) # 凹口显示

# 坐标轴设置

plt.ylim([-100, 250])

plt.title('数据分布箱线图')

plt.xticks([1], ['测试数据'])

六、3D 图形绘制

6.1 3D 散点图

import numpy as np

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d') # 创建3D坐标系

# 生成三组随机数据

x = np.random.rand(100)

y = np.random.rand(100)

z = np.random.rand(100)

# 绘制散点图

ax.scatter(x, y, z, marker='o', color='red')

# 坐标轴标签

ax.set_xlabel('X')

ax.set_ylabel('Y')

ax.set_zlabel('Z')

6.2 3D 柱状图

import numpy as np

x = np.arange(8) # X轴坐标

layers = 5 # 柱状图层数

# 生成层叠数据

np.random.seed(10)

heights = np.random.randint(1, 5, (layers, 8)).cumsum(axis=0)

# 3D绘图

fig = plt.figure(figsize=(12, 8))

ax = fig.add_subplot(111, projection='3d')

# 分层绘制柱状图

for layer_idx in range(layers):

ax.bar3d(x, layer_idx*10, np.zeros(8),

dx=0.7, dy=8, dz=heights[layer_idx],

color=plt.cm.viridis(layer_idx/layers))

6.3 3D 曲面图

import numpy as np

from matplotlib import cm

# 生成网格数据

X = np.arange(-10, 10, 0.05)

Y = np.arange(-10, 10, 0.05)

X, Y = np.meshgrid(X, Y)

R = np.sqrt(X**2 + Y**2)

Z = np.sin(R) # 曲面函数

# 3D曲面绘制

fig = plt.figure()

ax = plt.axes(projection='3d')

surf = ax.plot_surface(X, Y, Z,

cmap=cm.cool, # 颜色映射

shade=True,

linewidth=0)

# 颜色条与坐标轴设置

fig.colorbar(surf, shrink=0.5, aspect=5)

ax.set_zlim(-1, 1)

七、词云图绘制

7.1 基础词云

from wordcloud import WordCloud

# 读取文本

text = open("speak.txt", encoding="gbk").read()

# 生成词云

wc = WordCloud(

background_color="white",

width=1000,

height=660

).generate(text)

# 显示词云

plt.imshow(wc, interpolation='bilinear')

plt.axis("off")

7.2 中文词云（含分词）

import jieba

# 读取中文文本

text = open("党的二十大报告.txt", encoding="gbk").read()

# 文本预处理

text = re.sub(r'[,｡!?､()“”\n]', '', text) # 去除标点

words = jieba.cut(text) # 中文分词

# 去除停用词

stopwords = set(['的', '和', '在', '是', '了'])

filtered_words = [word for word in words if word not in stopwords]

text = ' '.join(filtered_words)

# 生成词云

wc = WordCloud(font_path='SIMLI.TTF').generate(text)

7.3 蒙版词云

from PIL import Image

import numpy as np

# 读取蒙版图片

mask = np.array(Image.opge.open("mask.png"))

# 生成带蒙版的词云

wc = WordCloud(

mask=mask,

font_path='SIMLI.TTF',

mode="RGBA",

background_color=None

).generate(text)

# 从蒙版提取颜色

from wordcloud import ImageColorGenerator

image_colors = ImageColorGenerator(mask)

wc.recolor(color_func=image_colors)