Day 06 · 图表美化：配色、标注、子图布局、中文显示

「AI Python 系列」第 02 栏 · AI+数据可视化 全栏 15 篇 · 零成本跟完 🍃 作者：梅雅达编程笔记 首发：CSDN

摘要： 基础图表会画了，但默认样式总是差点意思——颜色刺眼、中文变方块、布局挤成一团。本篇解决 matplotlib 最让人头疼的四个问题：中文乱码的根本原因和永久解决方案；6 套拿来就用的配色方案；数据标注、箭头注释等让图表"会说话"的技巧；以及子图布局的间距控制。学会这些，图表质量直接上一个台阶。

上一篇画了四种基础图。能跑，但说实话，默认样式有点丑。

颜色不够协调、中文可能显示成方块、多个子图挤在一起……这些都不是你的代码有问题，是 matplotlib 的默认审美确实不太行。

这篇专门解决这些问题。

一、中文显示：永远的痛

问题根源

matplotlib 默认字体不支持中文。如果你看到图表里的中文全变成了 □□□，就是这个问题。

临时解决（每篇都要写）

import matplotlib
import matplotlib.pyplot as plt
from matplotlib.font_manager import _load_fontmanager, fontManager
import os

# 删除旧字体缓存，强制重建（首次运行或换字体后必加）
cache_dir = matplotlib.get_cachedir()
for f in os.listdir(cache_dir):
if f.startswith('fontlist'):
os.remove(os.path.join(cache_dir, f))

_load_fontmanager(try_read_cache=False)

# 稳健的中文字体配置
plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei', 'SimHei', 'FangSong']
plt.rcParams['axes.unicode_minus'] = False # 解决负号显示问题

# 验证中文字体是否可用
available = {f.name for f in fontManager.ttflist}
for font in plt.rcParams['font.sans-serif']:
if font in available:
print(f'✅ 字体可用: {font}')
break
else:
print(f'❌ 字体不可用: {font}')

• Microsoft YaHei：微软雅黑，Windows 上最清晰的中文字体
• SimHei：黑体，兼容性最好
• FangSong：仿宋，备选
• 写三个是为了跨平台兼容，第一个不可用自动降级

永久解决（推荐）

每次都要加那一行确实烦。可以写成全局配置：

import matplotlib
import os

# 找到 matplotlib 的配置文件位置
print(matplotlib.matplotlib_fname())

打开这个文件（matplotlibrc），找到 font.sans-serif 那行，改成：

font.sans-serif: Microsoft YaHei, SimHei, FangSong, DejaVu Sans

找到 font.family 那行，改成：

font.family: sans-serif

保存后重启 Python，以后就不用每次手动设置了。

⚠️ 重要：plt.style.use() 会覆盖字体！

如果你用了 seaborn 或其他内置样式，必须在 style.use() 之后重新设置中文字体：

plt.style.use('seaborn-v0_8-whitegrid')
# style.use() 会重置所有 rcParams，包括字体！
# 所以必须重新设置：
plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei', 'SimHei', 'FangSong']
plt.rcParams['axes.unicode_minus'] = False

这是很多人中文字体"莫名失效"的原因。

查看系统可用字体

from matplotlib.font_manager import fontManager

# 查看所有支持的中文字体
chinese_fonts = [f.name for f in fontManager.ttflist
if any(kw in f.name for kw in ['Hei', 'Song', 'Kai', 'Fang', 'Yuan', 'Ming'])]
print(sorted(set(chinese_fonts)))

二、配色方案：别再红绿蓝了

matplotlib 默认的颜色……怎么说呢，很有"2005 年 PPT"的感觉。

方案 1：直接使用十六进制色

最可控的方式，直接指定颜色：

# 我常用的几个配色组合
COLORFUL_SCHEME = ['#5B8FF9', '#5AD8A6', '#F6BD16', '#E8684A', '#6DC8EC'] # 多彩配色（推荐）
WARM_SCHEME = ['#FF5722', '#FF9800', '#FFC107', '#FFEB3B', '#FFF9C4']
NATURE_SCHEME = ['#4CAF50', '#8BC34A', '#CDDC39', '#FFC107', '#FF9800']
MUTED_SCHEME = ['#546E7A', '#78909C', '#90A4AE', '#B0BEC5', '#CFD8DC']

import matplotlib.pyplot as plt

products = ['商品A', '商品B', '商品C', '商品D', '商品E']
sales = [320, 280, 195, 205, 160]
colors = ['#5B8FF9', '#5AD8A6', '#F6BD16', '#E8684A', '#6DC8EC']

plt.figure(figsize=(8, 5))
plt.bar(products, sales, color=colors)
plt.title('各商品销量', fontsize=14, fontweight='bold')
plt.tight_layout()
plt.show()

方案 2：使用 matplotlib 内置主题

# 查看所有可用样式
print(plt.style.available)

# 用内置样式
plt.style.use('seaborn-v0_8-whitegrid') # 推荐，背景干净有网格
plt.figure(figsize=(8, 5))
plt.bar(products, sales, color=['#5B8FF9', '#5AD8A6', '#F6BD16', '#E8684A', '#6DC8EC'])
plt.title('使用内置样式的柱图')
plt.tight_layout()
plt.show()

推荐几个好看的内置样式：

• seaborn-v0_8-whitegrid：白底+灰网格，干净专业
• fivethirtyeight：FiveThirtyEight 风格，偏媒体感
• ggplot：R 语言 ggplot2 风格
• bmh：贝叶斯风格，简洁

方案 3：渐变色

import numpy as np

n = 8
# 多彩渐变（tab10 色表，颜色丰富协调）
colors_gradient = plt.cm.tab10(np.linspace(0, 0.8, n))

plt.figure(figsize=(10, 5))
plt.bar(range(n), [x*10 for x in range(1, n+1)], color=colors_gradient)
plt.title('渐变色柱状图')
plt.tight_layout()
plt.show()

plt.cm.tab10 是 matplotlib 内置的多彩色表，每种颜色都不同。类似的还有 Set2、Paired、viridis 等，都比单色渐变好看。

三、标注：让图表"会说话"

一个没有标注的图表，别人可能看不懂重点在哪。

3.1 数据标签

months = ['1月', '2月', '3月', '4月', '5月', '6月']
sales = [12.3, 10.1, 15.8, 14.2, 18.6, 22.1]

plt.figure(figsize=(10, 5))
bars = plt.bar(months, sales, color=['#5B8FF9', '#5AD8A6', '#F6BD16', '#E8684A', '#6DC8EC', '#9270CA'])

# 在每个柱子顶部显示数值
for bar, val in zip(bars, sales):
plt.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.3,
f'{val}万', ha='center', fontsize=11, color='#333')

plt.title('上半年月度销售额', fontsize=14, fontweight='bold')
plt.ylabel('销售额（万元）')
plt.tight_layout()
plt.show()

3.2 箭头注释

当你要特别指出某个数据点时：

plt.figure(figsize=(10, 5))
plt.plot(months, sales, marker='o', color='#9270CA', linewidth=2)

# 用箭头标注最高点
max_idx = sales.index(max(sales))
plt.annotate(f'最高点: {sales[max_idx]}万',
xy=(max_idx, sales[max_idx]), # 箭头指向
xytext=(max_idx – 1.5, sales[max_idx] + 2), # 文字位置
fontsize=12, color='#D32F2F',
arrowprops=dict(arrowstyle='->', color='#D32F2F', lw=1.5))

plt.title('销售额趋势（6月突破历史新高）', fontsize=14, fontweight='bold')
plt.ylabel('销售额（万元）')
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

3.3 参考线和区域高亮

plt.figure(figsize=(10, 5))
plt.plot(months, sales, marker='o', color='#9270CA', linewidth=2)

# 平均值参考线
avg = sum(sales) / len(sales)
plt.axhline(y=avg, color='#FF5722', linestyle='–', linewidth=1.5,
label=f'平均值: {avg:.1f}万')

# 高亮某个区域
plt.axvspan(3.5, 5.5, alpha=0.1, color='#4CAF50', label='促销活动期')

plt.title('销售额趋势（虚线=平均值，绿色=促销期）', fontsize=14, fontweight='bold')
plt.ylabel('销售额（万元）')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

四、子图布局：一图多用

4.1 基础子图

fig, axes = plt.subplots(2, 2, figsize=(12, 8))

# 左上：折线图
axes[0, 0].plot(months, sales, color='#5B8FF9', marker='o')
axes[0, 0].set_title('月度趋势', fontsize=12, fontweight='bold')
axes[0, 0].grid(True, alpha=0.3)

# 右上：柱状图
axes[0, 1].bar(months, sales, color='#E8684A')
axes[0, 1].set_title('月度对比', fontsize=12, fontweight='bold')

# 左下：饼图
axes[1, 0].pie([55, 30, 15], labels=['线上', '线下', '分销'],
autopct='%1.1f%%', colors=['#5B8FF9', '#5AD8A6', '#F6BD16'])
axes[1, 0].set_title('渠道占比', fontsize=12, fontweight='bold')

# 右下：散点图
prices = [59, 79, 99, 129, 159, 199]
volumes = [420, 350, 280, 180, 120, 85]
axes[1, 1].scatter(prices, volumes, color='#9270CA', s=80)
axes[1, 1].set_title('价格vs销量', fontsize=12, fontweight='bold')
axes[1, 1].set_xlabel('价格')
axes[1, 1].set_ylabel('销量')

plt.tight_layout()
plt.savefig('四图组合.png', dpi=150, bbox_inches='tight')
plt.show()

4.2 不规则布局

有时候你需要一个大图 + 两个小图：

fig = plt.figure(figsize=(12, 5))

# 左边大图
ax1 = fig.add_subplot(1, 2, 1)
ax1.plot(months, sales, color='#5B8FF9', marker='o', linewidth=2)
ax1.set_title('月度趋势（大图）', fontsize=12, fontweight='bold')
ax1.grid(True, alpha=0.3)

# 右边两个小图（上下排列）
ax2 = fig.add_subplot(2, 2, 2)
ax2.bar(['Q1', 'Q2'], [38.2, 54.9], color=['#FF5722', '#FF9800'])
ax2.set_title('季度汇总')

ax3 = fig.add_subplot(2, 2, 4)
ax3.pie([55, 30, 15], labels=['线上', '线下', '分销'],
autopct='%1.1f%%', colors=['#5B8FF9', '#5AD8A6', '#F6BD16'])
ax3.set_title('渠道占比')

plt.tight_layout()
plt.savefig('不规则布局.png', dpi=150, bbox_inches='tight')
plt.show()

4.3 间距控制

plt.tight_layout() 能解决大部分间距问题。但如果需要更精细的控制：

fig, axes = plt.subplots(2, 2, figsize=(10, 8))
# 手动调整间距
fig.subplots_adjust(hspace=0.4, wspace=0.3)
# hspace = 子图之间的垂直间距
# wspace = 子图之间的水平间距

五、图表样式速查表

六、小结

让图表好看的关键就三件事：

记住一个原则：图表是给别人看的，不是给自己看的。你觉得"数据都在这了"不够，要让看的人三秒内就能 get 到你想说的。

往期回顾

Day 01 · 数据可视化到底在干啥？为什么 AI 让它变简单了

Day 02：环境搭建 Python 数据分析零成本工具包

Day 03 · Pandas 快速上手：读取、清洗、整理数据

Day 04 · 数据清洗：缺失值、异常值、重复值一站式处理

Day 05 · Matplotlib 基础：折线图、柱状图、饼图、散点图

下一篇讲 Seaborn——基于 matplotlib 的高级封装，很多复杂的统计图表，用它一行代码就能画出来。

下期预告： Day 07 Seaborn 进阶——用一行代码画出热力图、小提琴图、配对图等统计图表，比 matplotlib 更简单、更好看。

专栏

-「AI Python 系列」第 02 栏 ·AI+数据可视化（连载中） -「AI Python 系列」第 01 栏 · AI+自动化办公（连载中） -「AI Python 系列」第 03 栏 · Python 爬虫实战（连载中）

资源领取

• 关注作者获取本栏完整代码和数据集

原创声明：本文为梅雅达编程笔记原创作品，未经允许不得转载。