17370845950

掌握matplotlib和seaborn绘图核心在于数据对齐、坐标轴控制与图例清晰：折线图重趋势表达与色弱友好标注，柱状图重分类对比与零起点规范，组合图需双Y轴明确标注，辅以样式统一与高清导出。

用 Python 绘制折线图和柱状图，核心是掌握 matplotlib 和 seaborn 的基础用法，关键不在代码多，而在数据对齐、坐标轴控制和图例清晰。

折线图：时间序列或趋势对比要突出变化

适合展示数值随时间/顺序的变化趋势。注意横轴类型（日期、数字、类别）会影响绘图方式：

• 若横轴是日期，用 pd.to_datetime() 转换后直接传入 plt.plot()，matplotlib 会自动优化刻度
• 多条折线共图时，用不同颜色+带标签的图例，避免仅靠颜色区分（色弱友好）：加 label='2025' 后调 plt.legend()
• 想强调拐点或异常值，可用 plt.scatter(x, y, s=30, zorder=5) 单独标出，zorder 控制图层前后

柱状图：分类统计需明确对比基准

重点是让类别间差异一目了然，避免误导性拉伸或压缩：

• 单组柱状图用 plt.bar(x, height)；分组并列（如各城市2025/2025销量），推荐 seaborn.barplot()，自动处理分组、误差线和配色
• 纵轴起点不从0开始？谨慎！除非有明确说明，否则易放大微小差异——用 plt.ylim(0, max_value * 1.1) 确保起点为0
• 横轴标签过长导致重叠？用 plt.xticks(rotation=45, ha='right') 倾斜显示，并设置水平对齐方式

组合图表：折线+柱状图共存要协调坐标系

例如：柱子表示月销量，折线表示累计同比——需双Y轴，但必须标注清楚单位和含义：

• 主Y轴画柱状图：ax1 = plt.gca()，然后 ax1.bar(...)
• 新增次Y轴：ax2 = ax1.twinx()，再 ax2.plot(...)
• 分别设置左右轴标签：ax1.set_ylabel('销量（万件）')，ax2.set_ylabel('同比增长率（%）')
• 图例合并显示：用 lines1, labels1 = ax1.get_legend_handles_labels() 和 lines2, labels2 = ax2.get_legend_handles_labels() 拼接后统一添加

通用提效细节：少写代码，多看效果

不必每次重设字体、网格、边框——用 plt.style.use('seaborn-v0_8') 或自定义 rcParams：

• 统一中文字体防乱码：plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS']
• 开启网格提升可读性：plt.grid(True, linestyle='--', alpha=0.6)
• 保存高清图：plt.savefig('chart.png', dpi=300, bbox_inches='tight')，bbox_inches='tight' 防标题或标签被截断

不复杂但容易忽略。画完别急着导出，先盯着图问自己：信息是否准确？重点是否突出？别人3秒内能不能看懂？