Python 数据可视化实战：Matplotlib 与 Seaborn

2.2 柱状图：对比分类数据

适用场景：不同类别数据的对比分析

# 构造示例数据：各产品销量
products = ['产品 A', '产品 B', '产品 C', '产品 D']
sales_2023 = [80, 100, 90, 70]
sales_2024 = [95, 110, 85, 88]

# 计算柱子位置
x = np.arange(len(products))
width = 0.35

# 绘制分组柱状图
fig, ax = plt.subplots()
rects1 = ax.bar(x - width/2, sales_2023, width, label='2023 年', color='#4ECDC4')
rects2 = ax.bar(x + width/2, sales_2024, width, label='2024 年', color='#FFE66D')

# 添加标题和标签
ax.set_title('2023-2024 年各产品销量对比', fontsize=16, pad=20)
ax.set_xlabel('产品类型', fontsize=12)
ax.set_ylabel('销量（件）', fontsize=12)
ax.set_xticks(x)
ax.set_xticklabels(products)
ax.legend()

# 添加数值标签
def autolabel(rects):
    for rect in rects:
        height = rect.get_height()
        ax.annotate(f'{height}', xy=(rect.get_x() + rect.get_width() / 2, height), xytext=(0, 3), textcoords="offset points", ha='center', va='bottom', fontsize=10)

autolabel(rects1)
autolabel(rects2)
plt.savefig('product_sales.png', dpi=300, bbox_inches='tight')
plt.show()

2.3 散点图：展示变量相关性

适用场景：分析两个连续变量之间的关系

# 构造示例数据：广告投入与销售额
np.random.seed(42)
ad_spend = np.random.uniform(10, 50, 50)
sales = 2 * ad_spend + np.random.normal(0, 8, 50)

# 绘制散点图
fig, ax = plt.subplots()
scatter = ax.scatter(ad_spend, sales, c='#FF6B6B', alpha=0.7, s=60)

# 添加趋势线
z = np.polyfit(ad_spend, sales, 1)
p = np.poly1d(z)
ax.plot(ad_spend, p(ad_spend), "k--", linewidth=2, label=f'趋势线：y={z[0]:.2f}x+{z[1]:.2f}')

# 添加标题和标签
ax.set_title('广告投入与销售额相关性分析', fontsize=16, pad=20)
ax.set_xlabel('广告投入（万元）', fontsize=12)
ax.set_ylabel('销售额（万元）', fontsize=12)
ax.legend()
plt.savefig('ad_sales_corr.png', dpi=300, bbox_inches='tight')
plt.show()

2.4 饼图：展示占比分布

适用场景：各类别占总体的比例分析

# 构造示例数据：用户来源渠道
channels = ['抖音', '小红书', '公众号', '朋友圈', '其他']
user_counts = [45, 25, 15, 10, 5]
colors = ['#FF9999', '#66B2FF', '#99FF99', '#FFCC99', '#FF99CC']
explode = (0.1, 0, 0, 0, 0)

# 绘制饼图
fig, ax = plt.subplots()
wedges, texts, autotexts = ax.pie(user_counts, explode=explode, labels=channels, colors=colors, autopct='%1.1f%%', shadow=True, startangle=90)

# 美化文字
for autotext in autotexts:
    autotext.set_color('white')
    autotext.set_fontsize(10)

ax.set_title('用户来源渠道分布', fontsize=16, pad=20)
ax.axis('equal')
plt.savefig('user_channel.png', dpi=300, bbox_inches='tight')
plt.show()

3. Seaborn 进阶：统计可视化

Seaborn 基于 Matplotlib 开发，专为统计可视化设计，语法更简洁，样式更美观，尤其适合分析复杂的数据集。

3.1 热力图：展示数据相关性矩阵

适用场景：多变量之间的相关性分析

# 构造示例数据：鸢尾花数据集
iris = sns.load_dataset('iris')
corr = iris.iloc[:, :-1].corr()

# 绘制热力图
fig, ax = plt.subplots(figsize=(8, 6))
heatmap = sns.heatmap(corr, annot=True, cmap='RdBu_r', vmin=-1, vmax=1, square=True, ax=ax)
ax.set_title('鸢尾花特征相关性热力图', fontsize=16, pad=20)
plt.savefig('corr_heatmap.png', dpi=300, bbox_inches='tight')
plt.show()

3.2 箱线图：分析数据分布与异常值

适用场景：展示数据的四分位数、中位数和异常值

# 构造示例数据：不同地区的用户消费金额
data = pd.DataFrame({
    '地区': ['华北']*30 + ['华东']*30 + ['华南']*30,
    '消费金额': np.concatenate([
        np.random.normal(500, 80, 30),
        np.random.normal(600, 100, 30),
        np.random.normal(550, 90, 30)
    ])
})

# 绘制箱线图
fig, ax = plt.subplots()
boxplot = sns.boxplot(x='地区', y='消费金额', data=data, palette='Set2', ax=ax)
ax.set_title('不同地区用户消费金额分布', fontsize=16, pad=20)
ax.set_xlabel('地区', fontsize=12)
ax.set_ylabel('消费金额（元）', fontsize=12)
plt.savefig('consume_boxplot.png', dpi=300, bbox_inches='tight')
plt.show()

3.3 小提琴图：结合箱线图与核密度图

适用场景：更细致地展示数据分布形态

# 使用上述消费金额数据绘制小提琴图
fig, ax = plt.subplots()
violin = sns.violinplot(x='地区', y='消费金额', data=data, palette='Pastel1', inner='quartile', ax=ax)
ax.set_title('不同地区用户消费金额分布（小提琴图）', fontsize=16, pad=20)
ax.set_xlabel('地区', fontsize=12)
ax.set_ylabel('消费金额（元）', fontsize=12)
plt.savefig('consume_violin.png', dpi=300, bbox_inches='tight')
plt.show()

4. 实战案例：电商用户行为数据可视化分析

4.1 数据准备

首先构造一份模拟的电商用户行为数据（实际使用时替换为真实数据）：

# 构造电商用户行为数据
np.random.seed(42)
dates = pd.date_range(start='2024-01-01', end='2024-01-31', freq='D')
user_data = pd.DataFrame({
    '日期': np.repeat(dates, 100),
    '用户 ID': np.random.randint(10000, 99999, 3100),
    '行为类型': np.random.choice(['浏览', '加购', '下单', '支付'], 3100, p=[0.6, 0.2, 0.15, 0.05]),
    '消费金额': np.where(
        np.random.choice(['浏览', '加购', '下单', '支付'], 3100, p=[0.6, 0.2, 0.15, 0.05]) == '支付',
        np.random.uniform(50, 1000, 3100),
        0
    ),
    '用户等级': np.random.choice(['普通', 'VIP', 'SVIP'], 3100, p=[0.7, 0.2, 0.1])
})

# 数据概览
print("数据前 5 行：")
print(user_data.head())
print("\n数据基本信息：")
print(user_data.info())
print("\n数据统计描述：")
print(user_data.describe())

4.2 数据统计表格

# 1. 每日行为类型统计
daily_behavior = user_data.groupby(['日期', '行为类型']).size().unstack(fill_value=0)

# 2. 各用户等级消费金额统计
level_consume = user_data.groupby('用户等级')['消费金额'].agg(['sum', 'mean', 'count']).round(2)
level_consume.columns = ['总消费金额', '平均消费金额', '支付用户数']

print("每日用户行为类型统计（前 5 行）：")
print(daily_behavior.head())
print("\n各用户等级消费金额统计：")
print(level_consume)

# 保存表格为 CSV（可选）
daily_behavior.to_csv('daily_behavior.csv')
level_consume.to_csv('level_consume.csv')

表格展示：

4.3 多维度可视化分析

# 创建 2x2 子图布局
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(16, 12))

# 子图 1：每日各行为类型数量趋势
daily_behavior.plot(kind='line', ax=ax1, marker='o', linewidth=1.5)
ax1.set_title('每日用户行为类型趋势', fontsize=14)
ax1.set_xlabel('日期')
ax1.set_ylabel('行为次数')
ax1.legend(loc='upper right')
ax1.tick_params(axis='x', rotation=45)

# 子图 2：行为类型占比饼图
behavior_count = user_data['行为类型'].value_counts()
ax2.pie(behavior_count.values, labels=behavior_count.index, autopct='%1.1f%%', colors=['#FF9999', '#66B2FF', '#99FF99', '#FFCC99'])
ax2.set_title('用户行为类型占比', fontsize=14)

# 子图 3：各用户等级消费金额对比
level_consume['总消费金额'].plot(kind='bar', ax=ax3, color=['#4ECDC4', '#FF6B6B', '#FFE66D'])
ax3.set_title('各用户等级总消费金额', fontsize=14)
ax3.set_xlabel('用户等级')
ax3.set_ylabel('消费金额（元）')

# 添加数值标签
for x, y in enumerate(level_consume['总消费金额']):
    ax3.text(x, y+200, f'{y}', ha='center', fontsize=10)

# 子图 4：各用户等级平均消费金额
level_consume['平均消费金额'].plot(kind='barh', ax=ax4, color=['#9999FF', '#FF99CC', '#FFB366'])
ax4.set_title('各用户等级平均消费金额', fontsize=14)
ax4.set_xlabel('平均消费金额（元）')
ax4.set_ylabel('用户等级')

# 添加数值标签
for x, y in enumerate(level_consume['平均消费金额']):
    ax4.text(y+20, x, f'{y}', va='center', fontsize=10)

# 整体标题
fig.suptitle('2024 年 1 月电商用户行为分析报告', fontsize=18, y=0.98)

# 调整子图间距
plt.tight_layout()
plt.savefig('ecommerce_analysis.png', dpi=300, bbox_inches='tight')
plt.show()

5. 高级技巧：图形美化与多图组合

5.1 自定义颜色与样式

# 自定义颜色方案
my_colors = ['#FF6B6B', '#4ECDC4', '#45B7D1', '#96CEB4', '#FFEAA7']

# 自定义样式
plt.style.use('ggplot')

fig, ax = plt.subplots()
ax.bar(['A', 'B', 'C', 'D', 'E'], [10, 20, 15, 25, 18], color=my_colors)

# 添加网格
ax.grid(True, axis='y', alpha=0.3, linestyle='--')

# 隐藏边框
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

# 调整刻度字体
ax.tick_params(axis='both', labelsize=11)
ax.set_title('自定义样式示例', fontsize=16)
plt.show()

5.2 多图组合与子图布局

# 不等比例子图布局
fig = plt.figure(figsize=(15, 10))

# 创建子图：1 行 2 列，第一个子图占 1 列，第二个子图占 1 列
ax1 = plt.subplot2grid((2, 2), (0, 0), colspan=1)
ax2 = plt.subplot2grid((2, 2), (0, 1), colspan=1)
ax3 = plt.subplot2grid((2, 2), (1, 0), colspan=2)

# 子图 1：折线图
ax1.plot([1,2,3,4], [10,20,15,25], color=my_colors[0], linewidth=2)
ax1.set_title('子图 1：折线图')

# 子图 2：散点图
ax2.scatter([1,2,3,4], [5,15,10,20], color=my_colors[1], s=50)
ax2.set_title('子图 2：散点图')

# 子图 3：柱状图
ax3.bar([1,2,3,4], [8,18,13,23], color=my_colors[2])
ax3.set_title('子图 3：柱状图（跨列）')

plt.suptitle('不等比例子图布局示例', fontsize=18)
plt.tight_layout()
plt.show()

6. 总结：可视化避坑指南与最佳实践

6.1 避坑指南

1. 中文显示问题：务必设置 plt.rcParams['font.sans-serif'] 和 plt.rcParams['axes.unicode_minus']
2. 图形模糊：保存时设置 dpi=300，并添加 bbox_inches='tight' 避免内容被裁剪
3. 过度美化：颜色、样式不宜过多，避免分散读者注意力
4. 数据失真：饼图注意样本占比，避免使用 3D 饼图；折线图注意坐标轴起始值，避免夸大趋势

6.2 最佳实践

1. 匹配场景：趋势用折线图、对比用柱状图、占比用饼图、相关性用散点图 / 热力图
2. 简洁明了：标题、标签清晰，必要时添加数值标签，避免冗余信息
3. 色彩搭配：同一图表颜色不超过 5 种，使用统一的配色方案
4. 可复用性：将常用配置封装成函数，提高代码复用效率

关键点回顾

1. 基础层：Matplotlib 是 Python 可视化的核心，能实现各类基础图形绘制，重点掌握折线图、柱状图、散点图、饼图的绘制逻辑。
2. 进阶层：Seaborn 更适合统计可视化，热力图、箱线图、小提琴图能更深入地展示数据分布和相关性。
3. 实战层：数据可视化需结合业务场景，先做数据清洗和统计，再选择合适的图形组合，同时注意图形美化和可读性。