Python学习100天（从入门到精通系列文章）
文章目录
- Python学习100天（从入门到精通系列文章）
- 前言
- 一、matplotlib 概述与图表选择指南
-
- 1.1 什么是 matplotlib
- 1.2 安装与环境准备
- 二、matplotlib 基础配置
-
- 2.1 解决中文显示问题
- 2.2 启用矢量图渲染
- 三、创建画布与坐标系
-
- 3.1 创建画布（Figure）
- 3.2 创建坐标系（Axes）
- 四、常用图表绘制详解
-
- 4.1 折线图（Line Plot）—— 看趋势
-
- 在同一坐标系绘制多条曲线
- 使用多个子图
- 嵌套坐标系（add_axes）
- 4.2 散点图（Scatter Plot）—— 定关系
- 4.3 柱状图（Bar Chart）—— 比数据
-
- 堆叠柱状图
- 4.4 饼状图（Pie Chart）—— 查占比
- 4.5 直方图（Histogram）—— 看分布
-
- 累计分布直方图
- 4.6 箱线图（Box Plot）—— 找离群
- 五、图表的显示与保存
-
- 5.1 显示图表
- 5.2 保存图表到文件
- 六、常见错误与避坑指南
-
- 错误1：中文显示为方框
- 错误2：savefig 保存空白图片
- 错误3：子图索引超出范围
- 参考链接
- 总结
前言
数据可视化是数据分析的\”最后一公里\”——再好的分析结论，如果不能直观地呈现出来，就很难打动决策者。在之前的课程中，我们通过 Pandas 的 plot 方法快速生成过图表，但那只是\”一键出图\”的快捷方式。今天我们要深入它的底层引擎——matplotlib，掌握从画布创建到图表定制的完整技能。本文适合已经学过 NumPy 和 Pandas 基础、准备进阶数据可视化的读者。
一、matplotlib 概述与图表选择指南
1.1 什么是 matplotlib
matplotlib 是 Python 生态中最老牌、最强大的数据可视化库，几乎所有其他 Python 绘图库（Seaborn、Plotnine 等）都是基于它封装的。它的设计哲学是\”让你能控制图表上的每一个像素\”。
在开始编码之前，先看一张图表选择指南——当你面对数据不知道选什么图时，这张图就是你的\”决策树\”：
- 看趋势 → 折线图
- 比数据 → 柱状图
- 定关系 → 散点图
- 查占比 → 饼状图
- 看分布 → 直方图
- 找离群 → 箱线图
