Matplotlib 数据可视化

在数据分析的世界里，可视化是连接数据与洞察的桥梁。Matplotlib 作为 Python 中经典的可视化库，能将枯燥的数字转化为直观的图形，帮助我们快速发现数据规律。近期，我通过实践多种常见图形的绘制，深入学习了 Matplotlib 的使用方法，以下是我的学习总结与心得。

一、图形分类与对应代码

（一）饼图：展示数据占比

饼图适用于呈现各部分数据在总体中所占的比例关系，通过扇形的大小直观反映占比差异。在绘制时，需要注意数据的百分比计算、标签设置以及图形样式的优化，比如是否突出某些扇形、是否添加阴影等。

1. 基础饼图

import numpy as np

import matplotlib.pyplot as plt

pie_data = np.array([20,50,10,15,30,55])

pie_labels = np.array(['A','B','C','D','E','F'])

total = pie_data.sum()

# 计算百分比并保留10位小数，确保所有百分比之和为100%

percentages = np.round(pie_data / total*100,10)

percentages[-1] = 100 - percentages[:-1].sum()

# 绘制基础饼图，设置半径和百分比显示格式

plt.pie(percentages,radius=1.5,labels=pie_labels,autopct='%.1f%%')

plt.show()

清晰标注了各部分（A-F）的占比，如 B 占 27.8%、F 占 30.6% 等，能快速看出 F 的占比最高，C 的占比最低（5.6%）。

2. 环形饼图

在基础饼图的基础上，通过wedgeprops={'width':0.7}参数可将饼图改为环形，使图形更具设计感，同时不影响占比信息的传递。

import numpy as np

import matplotlib.pyplot as plt

# 解决中文显示问题

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

pie_data = np.array([20,50,10,15,30,55])

pie_labels = np.array(['A','B','C','D','E','F'])

total = pie_data.sum()

percentages = np.round(pie_data / total*100,10)

percentages[-1] = 100 - percentages[:-1].sum()

# 绘制环形饼图，设置环的宽度和百分比文字距离圆心的距离

plt.pie(percentages,radius=1.5,labels=pie_labels,autopct='%.1f%%',wedgeprops={'width':0.7},pctdistance=0.75)

plt.show()

）与基础饼图的占比信息一致，但环形设计让图形更简洁，避免了传统饼图的视觉压迫感。

3. 带突出效果的分类饼图

当需要强调所有分类时，可使用explode参数让每个扇形都向外突出，并添加阴影增强立体感，这种方式在展示多分类消费数据等场景中尤为实用。

import numpy as np

import matplotlib.pyplot as plt

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

# 消费数据，包含8个分类

pie_data = np.array([2000,3000,10000,600,3000,2300,1500,300])

pie_labels = np.array(['服饰装扮','转账红包','餐饮美食','充值缴费','日用百货','交通出行','文化休闲','其他'])

total = pie_data.sum()

percentages = np.round(pie_data / total*100,10)

percentages[-1] = 100 - percentages[:-1].sum()

# 设置所有扇形都向外突出0.1个单位

explode = (0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1)

# 绘制带阴影和突出效果的饼图，设置起始角度为90度（从正上方开始）

plt.pie(percentages,shadow=True,explode=explode,radius=1.5,labels=pie_labels,autopct='%.1f%%',pctdistance=0.75,startangle=90)

plt.show()

可以看出，餐饮美食占比最高（44.1%），其他类占比最低（1.3%），突出效果让各分类的边界更清晰，视觉冲击力更强。

（二）散点图：探索变量关系

散点图主要用于展示两个变量之间的关系，通过每个数据点的位置，观察变量间是否存在线性或非线性关联，常用于数据分布规律的初步探索。

1. 随机数据散点图

当没有明确的变量关系时，可通过随机生成数据绘制散点图，了解散点图的基本绘制逻辑。

import numpy as np

import matplotlib.pyplot as plt

# 生成20个0-1之间的随机数作为x和y坐标

x = np.random.rand(20)

y = np.random.rand(20)

# 绘制散点图

plt.scatter(x,y)

plt.show()

数据点在坐标系内随机分布，无明显规律，这符合随机数据的特点，也帮助我熟悉了scatter函数的基本用法。

2. 有规律数据散点图

当数据存在明显的线性或非线性关系时，散点图能清晰呈现这种规律。如下代码中，y 随 x 的增大而呈近似二次函数增长，散点图可直观反映这一趋势。

import numpy as np

import matplotlib.pyplot as plt

# x从10到200，步长为10，共20个数据点

x = np.arange(10, 210, 10)

# y与x呈近似二次函数关系

y = [0.5, 2.0, 4.4, 7.9, 12.3, 17.7, 24.1, 31.5,

                          39.9, 49.2, 59.5, 70.8, 83.1, 96.4, 110.7,

                          126.0, 142.2, 159.4, 177.6, 196.8]

plt.scatter(x,y)

plt.show()

随着 x 的增大，y 呈现出明显的上升趋势，且上升速度逐渐加快，初步判断两者可能存在二次函数关系，为后续的数据分析提供了方向。

（三）箱线图：分析数据分布

箱线图（盒式图）能直观展示数据的分布特征，包括中位数、四分位数、最大值、最小值以及异常值，帮助我们快速了解数据的离散程度和集中趋势。

1. 单组数据箱线图

对于单组数据，箱线图可清晰呈现其分布情况，包括数据的集中位置和离散范围。

import numpy as np

import matplotlib.pyplot as plt

# 生成100个1-300之间的随机整数

data = np.random.randint(1,300,100)

# 绘制水平箱线图，设置宽度、填充颜色，并去除边框（vert=False表示水平方向）

plt.boxplot(data,widths=0.3,patch_artist=True,vert=False)

plt.show()

箱体的中间线代表中位数，箱体的上下边分别代表上四分位数和下四分位数，箱体之外的线段（须）延伸至最大值和最小值（排除异常值），通过箱体的长度可判断数据的离散程度 —— 箱体越短，数据越集中。

2. 两组数据箱线图对比

当需要对比两组数据的分布差异时，可将两组数据的箱线图绘制在同一图形中，便于直观比较中位数、离散程度等指标。

import numpy as np

import matplotlib.pyplot as plt

# 两组数据，可代表不同类别或不同时期的指标

data=np.array([6579.0, 6230.1, 6478.4, 6860.5, 7586.2,

                           7383.5, 6751.2, 6393.5, 6540.4, 7233.7])

data1=np.array([6701.7, 6085.7, 6410.2, 7090.3, 8059.2,

                          8248.0, 6830.0, 6610.0, 6666.7, 7578.5])

# 绘制两组数据的水平箱线图，便于对比

plt.boxplot([data,data1],widths=0.5,patch_artist=True,vert=False)

plt.show()

两组数据的箱线图并列展示，可直观发现第二组数据（data1）的中位数略高于第一组，且箱体长度更大，说明第二组数据的离散程度更高，数据分布更分散。

（四）雷达图：多维度数据对比

雷达图（极坐标图）适用于展示多维度数据，将每个维度的数值映射到极坐标的不同角度上，通过连接各维度的点形成多边形，直观对比多个对象在不同维度上的表现。

import numpy as np

import matplotlib.pyplot as plt

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

# 设置极角，从0到2π（0到360度），共5个点（包含起点和终点，确保图形闭合）

theta1 = np.array([0, np.pi/2, np.pi, 3*np.pi/2, 0])

# 各维度的数值（极径），此处所有维度数值均为6，代表某个对象在4个维度上表现均衡

r1 = np.array([6, 6, 6, 6, 6])

# 绘制雷达图，连接各维度的点

plt.polar(theta1, r1)

# 设置各极角对应的维度标签

radar_labels = np.array([None, '维度(B)', '维度(C)', '维度(D)', '维度(A)'])

# 将极角转换为角度（弧度转角度），并添加标签

plt.thetagrids(theta1 * 180/np.pi, radar_labels)

# 填充雷达图内部，设置透明度为0.3，增强视觉效果

plt.fill(theta1, r1, alpha=0.3)

plt.show()

多边形为正四边形（因各维度数值相同），清晰展示了该对象在维度 A、B、C、D 上的表现完全均衡，若有多组数据，可在同一雷达图中绘制多个多边形，直观对比不同对象的多维度差异。

（五）误差棒图：展示数据不确定性

误差棒图用于展示数据的测量误差或不确定性，在数据点的上下（或左右）添加线段（误差棒），线段长度代表误差范围，常见于实验数据或统计数据的可视化，帮助读者了解数据的可靠性。

1. 基础误差棒图

import numpy as np

import matplotlib.pyplot as plt

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

# x为5个类别（0-4）

x = np.arange(5)

# y为各分类的测量值

y = np.array([25,32,33,26,25])

# 各测量值对应的误差范围

y_offset = np.array([1.5,1,1.2,0.8,0.5])

# 绘制误差棒图，设置误差棒宽度、顶部和底部的横线（capsize）大小及厚度

plt.errorbar(x,y,yerr=y_offset,elinewidth=2,capsize=5,capthick=2)

plt.show()

，每个数据点上方和下方都有一条垂直的误差棒，误差棒的长度由y_offset决定，例如 x=1（第二个数据点）的误差范围为 32±1，通过误差棒的长短可判断各数据点的不确定性大小 —— 误差棒越短，数据越可靠。

2. 多组数据误差棒图对比

当需要对比多组数据的变化趋势及不确定性时，可在同一误差棒图中绘制多组数据，便于观察趋势差异和误差大小。

import numpy as np

import matplotlib.pyplot as plt

# 年份范围（2013-2022）

years = [2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021, 2022]

# 城市A各年份人口数

ny_population = np.array([8222830, 8272948, 8306696, 8345126, 8398748,

                         8437387, 8398748, 8390081, 8336817, 8323340])

# 城市B各年份人口数

la_population = np.array([3820876, 3851202, 3881622, 3918872, 3967006,

                         4009717, 4049581, 4089976, 4117550, 4142779])

# 城市A人口数的标准差（误差范围）

ny_std = np.array([150000, 120000, 140000, 110000, 130000,

                  90000, 100000, 80000, 120000, 90000])

# 城市B人口数的标准差（误差范围）

la_std = np.array([90000, 70000, 100000, 120000, 110000,

                  90000, 85000, 95000, 80000, 100000])

# 分别绘制城市A和城市B的人口变化及误差范围

plt.errorbar(years, ny_population, yerr=ny_std, capsize=3)

plt.errorbar(years, la_population, yerr=la_std, capsize=3)

# 设置y轴刻度标签为原始数字（避免科学计数法，更易读）

plt.ticklabel_format(style='plain', axis='y')

plt.show()

两条线分别代表城市 A 和城市 B 的人口变化趋势，城市 A 的人口始终高于城市 B，且城市 A 人口在 2018 年达到峰值后略有下降，城市 B 人口则呈持续缓慢上升趋势。同时，误差棒的长短反映了各年份人口统计数据的不确定性，例如城市 A 在 2013 年的误差较大（150000），2020 年的误差较小（80000），说明 2020 年的人口统计数据更可靠。

（六）数据计算与辅助分析

除了图形绘制，数据分析还需要结合数据计算，例如计算总和、平均值等，为图形解读提供数据支撑。以下代码通过计算两个城市的总人口和每年人口总和，进一步挖掘人口数据的规律。

import numpy as np

# 城市A各年份人口数

ny_population = np.array([8222830, 8272948, 8306696, 8345126, 8398748,

                         8437387, 8398748, 8390081, 8336817, 8323340])

# 城市B各年份人口数

la_population = np.array([3820876, 3851202, 3881622, 3918872, 3967006,

                         4009717, 4049581, 4089976, 4117550, 4142779])

# 计算城市A 2013-2022年的总人口（所有年份人口累加）

ny_total_population = np.sum(ny_population)

# 计算城市B 2013-2022年的总人口

la_total_population = np.sum(la_population)

# 计算每年两个城市的人口总和（逐年相加）

yearly_combined_population = ny_population + la_population

# 打印计算结果

print("城市A总人口：", ny_total_population)

print("城市B总人口：", la_total_population)

print("每年A和B的人口总和：", yearly_combined_population)

运行结果如下：

城市A总人口： 83432721

城市B总人口： 39849181

每年A和B的人口总和： [12043706 12124150 12188318 12263998 12365754 12447104 12448329 12480057 12454367 12466119]

从结果可以看出，2013-2022 年期间，城市 A 的总人口约为 8343 万，是城市 B（约 3985 万）的两倍多；每年两个城市的人口总和在 1204 万 - 1248 万之间，整体呈缓慢上升趋势，2020 年达到峰值（1248 万），这与误差棒图中观察到的人口变化趋势一致，进一步验证了图形所反映的规律。

二、心得与收获

（一）图形选择的核心原则

通过本次学习，我深刻认识到 “数据决定图形”—— 不同类型的数据需要匹配合适的图形才能最大化传递信息：

• 当需要展示 “占比” 时，优先选择饼图（如消费结构分析）；

• 当需要探索 “变量关系” 时，散点图是首选（如分析身高与体重的关联）；

• 当需要分析 “数据分布”（离散程度、中位数等）时，箱线图更合适（如不同班级学生成绩分布对比）；

• 当需要展示 “多维度对比” 时，雷达图能直观呈现各维度差异（如不同产品在性能、价格、外观等维度的表现）；

• 当数据存在 “不确定性”（如实验误差、统计偏差）时，误差棒图可清晰展示数据的可靠范围（如人口统计数据、科学实验数据）。

（二）代码编写的关键技巧

1. 中文显示问题：Matplotlib 默认不支持中文，需通过plt.rcParams['font.sans-serif'] = ['SimHei']设置中文字体，避免标签乱码；

2. 数据精度处理：在绘制饼图时，由于百分比计算可能存在四舍五入误差，需通过percentages[-1] = 100 - percentages[:-1].sum()确保所有百分比之和为 100%；

3. 图形样式优化：合理使用shadow（阴影）、explode（突出扇形）、alpha（透明度）等参数，可让图形更美观、信息更清晰；

4. 坐标轴设置：当数据数值较大时（如人口数），需通过plt.ticklabel_format(style='plain', axis='y')取消科学计数法，让刻度标签更易读。

（三）从 “绘图” 到 “分析” 的思维转变

最初学习时，我更关注 “如何写出能运行的代码”，但随着实践深入，我逐渐意识到可视化的核心是 “通过图形传递数据洞察”。例如，在绘制城市人口误差棒图后，不仅要能看出人口变化趋势，还要结合误差棒的长短分析数据可靠性；在计算总人口后，要能关联图形趋势，验证数据规律。这种 “绘图 + 分析” 的结合，才是数据可视化的真正价值所在。

三、展望

1. 进阶图形学习：目前主要掌握了基础图形，后续计划学习热力图、柱状图、折线图等更多图形的绘制，以及多图形组合（如子图）的使用，满足更复杂的数据分析需求；

2. 交互性可视化：Matplotlib 绘制的是静态图形，未来可学习 Plotly 等库，实现交互式图形（如鼠标悬停显示数据详情、缩放图形等），提升可视化体验；

3. 真实场景应用：结合实际数据集（如电商销售数据、环境监测数据）进行可视化实践，将所学知识应用到真实业务中，进一步提升数据分析和可视化能力。