matplotlib / Seaborn#

主要是下面六块

一、全局配置区#

1
import matplotlib.pyplot as plt
2
plt.rcParams['font.sans-serif'] = ['SimHei']   # ① 中文字体
3
plt.rcParams['axes.unicode_minus'] = False     # ② 负号正常显示
4
plt.rcParams['figure.figsize'] = (8, 5)        # ③ 默认画布尺寸
5
plt.rcParams['figure.dpi'] = 100               # ④ 分辨率

位置	答案	解释口径
`plt.rcParams['___']`	`font.sans-serif`	设置无衬线字体族，用于显示中文
`= ['___']`	`SimHei` / `Microsoft YaHei`	黑体/雅黑，Windows 自带中文字体
`plt.rcParams['axes.unicode_minus'] = ___`	`False`	关闭 Unicode 负号，避免负号显示为方块

二、Figure / Axes 创建区#

单图

1
fig, ax = plt.subplots(figsize=(8, 5), dpi=100)

多子图

1
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 8))
2
axes[0, 0].plot(...)         # 索引访问
3
axes[1, 1].bar(...)
4
plt.tight_layout()           # 自动调整子图间距，防止标签重叠

老写法

1
plt.figure(figsize=(8, 5))
2
plt.subplot(2, 2, 1)         # 2行2列第1个

为什么用 fig, ax = plt.subplots() 而不是 plt.plot()？

答：面向对象写法可精确控制每个 Axes，便于多子图、嵌入 GUI、与 Seaborn 协作。

三、坐标轴与刻度区#

1
ax.set_xlabel('时间', fontsize=12)
2
ax.set_ylabel('数值', fontsize=12)
3
ax.set_title('图表标题', fontsize=14, fontweight='bold')
4
ax.set_xlim(0, 100)
5
ax.set_ylim(0, 1)
6
ax.set_xticks([0, 25, 50, 75, 100])
7
ax.set_xticklabels(['一月', '二月', '三月', '四月', '五月'])
8
ax.tick_params(axis='x', rotation=45, labelsize=10, colors='gray')
9
ax.spines['top'].set_visible(False)     # 去顶边框
10
ax.spines['right'].set_visible(False)   # 去右边框
11
ax.grid(True, linestyle='--', alpha=0.3)
12
ax.legend(loc='upper right', frameon=False)

挖空	答案	一句话解释
`ax.___('时间')`	`set_xlabel`	设置 x 轴标签
`ax.tick_params(axis='x', ___=45)`	`rotation`	刻度文字旋转 45°
`ax.spines['top'].___(False)`	`set_visible`	隐藏顶部坐标轴边框
`ax.legend(loc='___')`	`best` / `upper right`	图例放在最合适位置

四、十大图型最小模板#

1
# 1. 柱形图
2
ax.bar(x, y, color='#3A86FF', width=0.6, edgecolor='black')
3

4
# 2. 横向条形图
5
ax.barh(y, x)
6

7
# 3. 直方图
8
ax.hist(data, bins=20, density=False, edgecolor='black')
9

10
# 4. 箱线图
11
ax.boxplot(data, labels=['A','B','C'], showfliers=True, notch=False)
12

13
# 5. 散点图
14
ax.scatter(x, y, c=colors, s=sizes, alpha=0.6, cmap='viridis')
15

16
# 6. 气泡图（散点的s参数映射第三维）
17
ax.scatter(x, y, s=z*100, c=z, cmap='coolwarm')
18

19
# 7. 折线图
20
ax.plot(x, y, color='red', linestyle='--', linewidth=2, marker='o', label='系列A')
21

22
# 8. 面积图
23
ax.fill_between(x, y1, y2, alpha=0.3, color='skyblue')
24

25
# 9. 主题河流图
26
ax.stackplot(x, y1, y2, y3, labels=['A','B','C'], baseline='wiggle')
27

28
# 10. 玫瑰图 / 雷达图（极坐标）
29
fig, ax = plt.subplots(subplot_kw={'projection': 'polar'})
30
ax.bar(theta, r, width=2*np.pi/N)               # 玫瑰图
31
ax.fill(angles, values, alpha=0.25)             # 雷达图填充

ax.bar(x, y, ___=0.6) → width
ax.hist(data, ___=20) → bins
ax.scatter(x, y, ___=sizes) → s（点大小，气泡图核心）
ax.plot(..., ___='o') → marker
ax.stackplot(..., ___='wiggle') → baseline（河流图居中堆叠的关键）
subplot_kw={'projection': '___'} → polar（玫瑰/雷达必考）

五、颜色与 colormap#

1
# 三种颜色写法
2
color='red'               # 命名
3
color='#FF5733'           # 十六进制
4
color=(0.2, 0.4, 0.6)     # RGB 元组（0–1）
5

6
# 常用 cmap
7
cmap='viridis'   # 默认推荐，色盲友好
8
cmap='coolwarm'  # 双向（正负数据、相关系数）
9
cmap='RdYlBu_r'  # 反向加 _r
10
cmap='hot'       # 热力图风格
11

12
# 加 colorbar
13
sc = ax.scatter(x, y, c=z, cmap='viridis')
14
plt.colorbar(sc, ax=ax, label='强度')

_r 后缀含义？→ reversed，颜色顺序反转。

六、Seaborn#

1
import seaborn as sns
2
sns.set_theme(style='whitegrid', palette='deep')
3

4
# 必背六图
5
sns.barplot(x='cat', y='val', data=df, ax=ax)
6
sns.boxplot(x='group', y='val', data=df, hue='gender')
7
sns.violinplot(x='group', y='val', data=df, split=True)
8
sns.histplot(data=df, x='val', bins=30, kde=True)
9
sns.scatterplot(x='x', y='y', size='z', hue='label', data=df)
10
sns.heatmap(corr, annot=True, fmt='.2f', cmap='coolwarm', vmin=-1, vmax=1)
11
sns.lineplot(x='time', y='val', hue='series', data=df)
12
sns.pairplot(df, hue='label')           # Figure-level，自动建多子图

挖空	答案	解释
`sns.heatmap(corr, ___=True)`	`annot`	在格子里显示数值
`sns.heatmap(..., ___='.2f')`	`fmt`	数值格式，保留两位小数
`sns.histplot(..., ___=True)`	`kde`	叠加核密度曲线
`sns.scatterplot(..., ___='z')`	`size`	用 z 列控制点大小
`sns.set_theme(style='___')`	`whitegrid`	白底带网格主题

Seaborn 和 matplotlib 关系？→ Seaborn 是 matplotlib 的高级封装，返回的仍是 ax 对象，可继续用 matplotlib 的 API 微调。

七、收尾区#

1
plt.tight_layout()                              # 自动调整布局，防止裁切
2
plt.savefig('out.png', dpi=300, bbox_inches='tight')   # 保存高清图
3
plt.show()

挖空	答案	解释
`plt.___()`	`tight_layout`	自动调整子图间距
`plt.savefig(..., ___='tight')`	`bbox_inches`	裁掉多余白边
`plt.savefig(..., dpi=___)`	`300`	出版级分辨率

八、模板#

1
import numpy as np
2
import matplotlib.pyplot as plt
3
import seaborn as sns
4

5
# ===== 1. 全局配置 =====
6
plt.rcParams['font.sans-serif'] = ['SimHei']
7
plt.rcParams['axes.unicode_minus'] = False
8

9
# ===== 2. 数据 =====
10
x = np.arange(10)
11
y = np.random.rand(10)
12

13
# ===== 3. 画布与子图 =====
14
fig, ax = plt.subplots(figsize=(8, 5), dpi=100)
15

16
# ===== 4. 主图 =====
17
ax.plot(x, y, color='#3A86FF', marker='o', linewidth=2, label='系列A')
18

19
# ===== 5. 坐标轴美化 =====
20
ax.set_xlabel('时间', fontsize=12)
21
ax.set_ylabel('数值', fontsize=12)
22
ax.set_title('示例图', fontsize=14)
23
ax.tick_params(axis='x', rotation=30, labelsize=10)
24
ax.spines['top'].set_visible(False)
25
ax.spines['right'].set_visible(False)
26
ax.legend(loc='best', frameon=False)
27
ax.grid(True, linestyle='--', alpha=0.3)
28

29
# ===== 6. 收尾 =====
30
plt.tight_layout()
31
plt.savefig('demo.png', dpi=300, bbox_inches='tight')
32
plt.show()

极坐标 → projection='polar'，玫瑰图/雷达图必考点。
相关系数矩阵 → sns.heatmap(..., annot=True, cmap='coolwarm')。
多组对比 → hue= 参数（Seaborn）或 axes[i,j] 索引（matplotlib 子图）。
中文乱码 → font.sans-serif + axes.unicode_minus 两行。
** fill_between → 面积图**；看见 stackplot + baseline='wiggle' → 答主题河流图。
解释：“该参数用于设置 XXX，作用是 XXX，若不设置会导致 XXX。”

音乐

音乐

matplotlib / Seaborn#

一、全局配置区#

二、Figure / Axes 创建区#

三、坐标轴与刻度区#

四、十大图型最小模板#

五、颜色与 colormap#

六、Seaborn#

七、收尾区#

八、模板#

分享到社交平台

评论

音乐

目录

音乐

音乐

2026-06-14-数据可视化 Vol.3 可视化库

matplotlib / Seaborn#

一、全局配置区#

二、Figure / Axes 创建区#

三、坐标轴与刻度区#

四、十大图型最小模板#

五、颜色与 colormap#

六、Seaborn#

七、收尾区#

八、模板#

分享到社交平台

评论

音乐

目录