目录

• 拓展资料了20种最实用的Python图表，做数据可视化不用再抓狂了
• 1. 折线图（Line Chart）
• 2. 条形图（Bar Chart）
• 3. 直方图（Histogram）
• 4. 散点图（Scatter Plot）
• 5. 饼图（Pie Chart）
• 6. 面积图（Area Chart）
• 7. 箱线图（Box Plot）
• 8. 热力图（Heatmap）
• 9. 雷达图（Radar Chart）
• 10. 极坐标图（Polar Chart）
• 11. 双轴图（Dual Axis）
• 12. 折线图+散点图混搭（Line + Scatter）
• 13. 阶梯图（Step Plot）
• 14. 饼图 + 中心洞（环形图）
• 15. 误差线图（Error Bar）
• 16. 等高线图（Contour Plot）
• 17. 3D 曲面图（3D Surface）
• 18. 气泡图（Bubble Plot）
• 19. 漏斗图（Funnel Chart）
• 20. 动态图（Animation）
• 最终说一句

拓展资料了20种最实用的Python图表，做数据可视化不用再抓狂了

今天咱不聊鸡汤、不讲情怀，直接开整！花姐带你沉浸式体验 Python 可视化神器——Matplotlib的20种最常见图表玩法。

不管你是数据分析，机器进修，还是做周报、写PPT，只要掌握了这些图形，完全是质的飞跃！

接下来，准备好你的 IDE，我们一个个上手敲起来！

注：要想Matplotlib支持中文！代码跑之前记得加上这一行解决中文乱码难题：

plt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文

怎样你还没有安装matplotlib请打开你的终端（Terminal）或者命令行（cmd），直接敲：

pip install matplotlib

回车，喝口水，等一会儿，它自己就装好了。

1. 折线图（Line Chart）

常用于动向变化，比如气温、股价、KPI变化啥的。

import matplotlib.pyplot as pltplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文x = [1, 2, 3, 4, 5]y = [3, 5, 7, 6, 9]plt.plot(x, y, marker=’o’)plt.title(‘每日访问量变化’)plt.xlabel(‘日期’)plt.ylabel(‘访问量’)plt.grid(True)plt.show()

2. 条形图（Bar Chart）

横着比数据，适合分类比较。

import matplotlib.pyplot as pltplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文categories = [‘小红’, ‘小明’, ‘小刚’, ‘小美’]scores = [90, 80, 75, 88]plt.bar(categories, scores, color=’skyblue’)plt.title(‘四人考试成绩对比’)plt.show()

3. 直方图（Histogram）

适合看数据分布，比如工资分布、身高、体重这些。

import matplotlib.pyplot as pltimport numpy as npplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文data = np.random.normal(170, 10, 200)plt.hist(data, bins=20, color=’orange’, edgecolor=’black’)plt.title(‘身高分布图’)plt.xlabel(‘身高’)plt.ylabel(‘人数’)plt.show()

4. 散点图（Scatter Plot）

两个变量之间的关系，看是否相关。

import matplotlib.pyplot as pltimport numpy as npplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文x = np.random.rand(100)y = x + np.random.normal(0, 0.1, 100)plt.scatter(x, y)plt.title(‘进修时刻 vs 成绩’)plt.xlabel(‘进修时刻’)plt.ylabel(‘成绩’)plt.show()

5. 饼图（Pie Chart）

占比图！让老板看谁吃的预算多

import matplotlib.pyplot as pltplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文labels = [‘广告’, ‘运营’, ‘人力’, ‘技术’]sizes = [30, 20, 10, 40]plt.pie(sizes, labels=labels, autopct=’%1.1f%%’, startangle=140)plt.title(‘部门预算占比’)plt.axis(‘equal’)plt.show()

6. 面积图（Area Chart）

比折线图多了一点“填充感”，也更直观。

import matplotlib.pyplot as pltplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文x = range(1, 6)y = [1, 3, 4, 8, 12]plt.fill_between(x, y, color=”lightgreen”)plt.plot(x, y, color=”green”)plt.title(‘用户增长动向’)plt.show()

7. 箱线图（Box Plot）

统计分析必备，帮你看离群值、上下四分位这些。

import matplotlib.pyplot as pltimport numpy as npplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文data = [np.random.normal(50, std, 100) for std in (5, 10, 20)]plt.boxplot(data, patch_artist=True)plt.title(‘三组数据分布对比’)plt.show()

8. 热力图（Heatmap）

用颜色来表现数值大致，强烈推荐结合seaborn！

import matplotlib.pyplot as pltimport numpy as npimport seaborn as snsplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文data = np.random.rand(6, 6)sns.heatmap(data, annot=True)plt.title(‘热力图示例’)plt.show()

9. 雷达图（Radar Chart）

多维指标一图展示，简历必备，别说我没告诉你

import matplotlib.pyplot as pltimport numpy as npplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文labels = [‘沟通’, ‘编码’, ‘进修’, ‘抗压’, ‘责任心’]stats = [8, 9, 7, 6, 8]angles = np.linspace(0, 2*np.pi, len(labels), endpoint=False).tolist()stats += stats[:1]angles += angles[:1]fig, ax = plt.subplots(subplot_kw=’polar’: True})ax.plot(angles, stats, ‘o-‘, linewidth=2)ax.fill(angles, stats, alpha=0.25)ax.set_thetagrids(np.degrees(angles[:-1]), labels)plt.title(‘我的技能雷达图’)plt.show()

10. 极坐标图（Polar Chart）

散点+极坐标，视觉冲击感超强。

import matplotlib.pyplot as pltimport numpy as npplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文r = np.linspace(0, 1, 100)theta = 2 * np.pi * rplt.polar(theta, r)plt.title(‘极坐标示例’)plt.show()

11. 双轴图（Dual Axis）

两个Y轴，两个变量共用一个X轴，超实用。

import matplotlib.pyplot as pltplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文 数据months = [‘1月’,’2月’,’3月’,’4月’,’5月’,’6月’,’7月’,’8月’,’9月’,’10月’,’11月’,’12月’]sales = [120, 150, 200, 180, 220, 260, 240, 300, 320, 310, 400, 500]new_users = [3500, 3800, 4200, 4000, 5000, 5200, 4800, 6000, 6300, 6200, 7500, 8000]fig, ax1 = plt.subplots(figsize=(10,6)) 左轴：销售额color = ‘tab:blue’ax1.set_xlabel(‘月份’)ax1.set_ylabel(‘销售额（万元）’, color=color)ax1.plot(months, sales, color=color, marker=’o’, label=’销售额’)ax1.tick_params(axis=’y’, labelcolor=color) 右轴：新注册用户ax2 = ax1.twinx()color = ‘tab:red’ax2.set_ylabel(‘新注册用户（人）’, color=color)ax2.plot(months, new_users, color=color, marker=’s’, linestyle=’–‘, label=’新注册用户’)ax2.tick_params(axis=’y’, labelcolor=color)plt.title(‘某电商平台2024年月度销售额与新注册用户’)ax1.grid(True)plt.show()

12. 折线图+散点图混搭（Line + Scatter）

增强折线图表达力的小技巧！

import matplotlib.pyplot as pltplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文 折线数据months = [‘1月’,’2月’,’3月’,’4月’,’5月’,’6月’,’7月’,’8月’,’9月’,’10月’,’11月’,’12月’]avg_price = [18500, 18700, 19000, 18800, 19200, 19400, 19500, 19800, 20000, 20200, 20500, 21000] 散点数据special_months = [‘3月’, ‘6月’, ‘8月’, ’11月’]special_price = [21000, 22000, 23000, 25000]fig, ax = plt.subplots(figsize=(10,6)) 画折线图ax.plot(months, avg_price, color=’blue’, marker=’o’, label=’平均房价（元/㎡）’) 画散点图ax.scatter(special_months, special_price, color=’red’, s=100, marker=’*’, label=’独特成交（元/㎡）’)plt.title(‘2024年某小区月均房价及独特成交记录’)plt.xlabel(‘月份’)plt.ylabel(‘价格（元/㎡）’)plt.legend()plt.grid(True)plt.show()

13. 阶梯图（Step Plot）

适合描述“突变”的情况，比如电费、分段计价那种。

import matplotlib.pyplot as pltfrom datetime import datetimeimport matplotlib.dates as mdatesplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文 数据dates = [‘2023-10-01’, ‘2023-10-02’, ‘2023-10-03’, ‘2023-10-04’, ‘2023-10-05’, ‘2023-10-06’, ‘2023-10-07’]temperatures = [22, 23, 20, 19, 18, 20, 21] 转换日期格式dates = [datetime.strptime(d, ‘%Y-%m-%d’) for d in dates] 创建图表plt.figure(figsize=(10, 6)) 绘制阶梯图（post样式的阶梯变化）plt.step( dates, temperatures, where=’post’, 阶梯在数据点后变化 color=’E64A45′, 中国红配色 linewidth=2.5, marker=’o’, 添加数据点标记 markersize=8, markerfacecolor=’white’, markeredgewidth=2, label=’每日最高气温’) 添加深入了解和标签plt.title(‘北京市国庆期间气温变化（2024年10月1-7日）’, fontsize=14, pad=20)plt.xlabel(‘日期’, fontsize=12)plt.ylabel(‘温度 (°C)’, fontsize=12) 配置坐标轴plt.gca().xaxis.set_major_formatter(mdates.DateFormatter(‘%m/%d’))plt.gca().xaxis.set_major_locator(mdates.DayLocator())plt.xticks(rotation=30)plt.ylim(15, 25) 添加辅助元素plt.grid(axis=’y’, linestyle=’–‘, alpha=0.7)plt.tight_layout()plt.legend(loc=’upper left’, frameon=False)plt.show()

14. 饼图 + 中心洞（环形图）

视觉更舒服，直接用wedgeprops搞定。

import matplotlib.pyplot as pltplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文 数据categories = [ ‘煤炭’, ‘石油’, ‘天然气’, ‘可再生能源n（水电/风电/光伏）’]percentages = [56.2, 18.5, 9.4, 15.9]colors = [ ‘6D8698’, 灰蓝（煤炭） ‘BE7352’, 棕褐（石油） ‘8FA6A2’, 青灰（天然气） ‘8FB3B0’ 浅绿（可再生能源）] 创建带中心洞的环形图fig, ax = plt.subplots(figsize=(8, 8))wedges, texts, autotexts = ax.pie( percentages, wedgeprops= ‘width’: 0.5, 环宽=半径的50% ‘edgecolor’: ‘white’, 白色分割线 ‘linewidth’: 1.5 分割线粗细 }, colors=colors, startangle=90, 起始角度（12点路线） autopct=’%1.1f%%’, 百分比格式 pctdistance=0.85 百分比标签位置（0.85倍半径）) 设置百分比标签样式for autotext in autotexts: autotext.set_color(‘white’) autotext.set_fontsize(10) autotext.set_weight(‘bold’) 添加中心深入了解ax.text( 0, 0, ‘XX国能源结构n2024′, ha=’center’, va=’center’, fontsize=16, fontweight=’bold’, color=’2F4F4F’) 添加图例（带透明度效果）legend = ax.legend( wedges, categories, title=”能源类型”, loc=”center left”, bbox_to_anchor=(1, 0, 0.5, 1), frameon=False, labelspacing=1.2)legend.get_title().set_fontweight(‘bold’) 设置长宽比保证正圆形ax.axis(‘equal’) plt.tight_layout()plt.show()

15. 误差线图（Error Bar）

实验、分析场景常用。

import matplotlib.pyplot as pltplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文 数据 (单位：万辆)quarters = [‘Q1’, ‘Q2’, ‘Q3’, ‘Q4’]avg_sales = [158.6, 173.2, 204.6, 227.4] 季度平均销量std_dev = [8.2, 9.5, 11.3, 13.1] 各季度销量标准差 创建带误差线的散点图plt.figure(figsize=(10, 6)) 主绘图语句main_line = plt.errorbar( x=quarters, y=avg_sales, yerr=std_dev, 误差线数据 fmt=’o-‘, 点线组合 markersize=10, markerfacecolor=’2E86C1′, markeredgecolor=’white’, elinewidth=2, 误差线粗细 ecolor=’E74C3C’, 误差线颜色 capsize=8, 误差线顶端横杠长度 linewidth=2.5, label=’平均销量 ± 标准差’) 添加数据标签for i, (v, s) in enumerate(zip(avg_sales, std_dev)): plt.text(i, v + 15, f’v}±s}’, ha=’center’, fontsize=10, bbox=dict(facecolor=’white’, alpha=0.8)) 可视化优化plt.title(‘2024年中国新能源汽车季度销量误差分析’, fontsize=14, pad=20)plt.ylabel(‘销量 (万辆)’, labelpad=12)plt.ylim(120, 260)plt.grid(axis=’y’, linestyle=’–‘, alpha=0.6) 添加图例leg = plt.legend(loc=’upper left’)leg.get_frame().set_linewidth(0.0) 移除图例边框plt.tight_layout()plt.show()

16. 等高线图（Contour Plot）

展示函数值随二维变量变化的动向。

import matplotlib.pyplot as pltfrom matplotlib import cmimport numpy as npplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文plt.rcParams[‘axes.unicode_minus’] = False 解决负数乱码难题 生成地形数据（模拟青海湖周边区域 20×20公里）x = np.linspace(-10, 10, 200)y = np.linspace(-8, 12, 200)X, Y = np.meshgrid(x, y) 高程函数（包含湖盆与山脉特征）Z = 3200 + 50*Y – 40*X2 + 30*np.sin(2*X) + 45*np.exp(-(X2 + Y2)/25) 创建画布plt.figure(figsize=(12, 8)) 绘制填充等高线cs = plt.contourf(X, Y, Z, levels=np.linspace(3100, 3700, 13), cmap=cm.gist_earth, alpha=0.85) 绘制等高线c_lines = plt.contour(X, Y, Z, levels=np.linspace(3100, 3700, 13), colors=’black’, linewidths=0.6) 添加标签plt.clabel(c_lines, inline=True, fontsize=8, fmt=’%d m’) 添加高程标注 添加色标cbar = plt.colorbar(cs)cbar.set_label(‘高程（米）’, rotation=270, labelpad=20) 设置地形图元素plt.title(‘青海湖周边地形等高线模拟图’, pad=20, fontsize=14)plt.xlabel(‘物品向距离 (公里)’)plt.ylabel(‘南北向距离 (公里)’)plt.grid(linestyle=’:’, alpha=0.5) 标注特征区域plt.text(-8, 10, ‘日月山脉’, ha=’left’, va=’center’, fontsize=9, color=’8B0000′)plt.annotate(‘青海湖水域’, xy=(-1, 3), xytext=(-9, 5), arrowprops=dict(arrowstyle=”->”, color=’navy’), fontsize=9, color=’00008B’)plt.tight_layout()plt.show()

17. 3D 曲面图（3D Surface）

你没看错，Matplotlib也能画3D！

import matplotlib.pyplot as pltfrom matplotlib import cmimport numpy as npplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文plt.rcParams[‘axes.unicode_minus’] = False 解决负数乱码难题 生成诚实地形数据（模拟黄石公园44.5°N, 110.5°W区域）x = np.linspace(-5, 5, 150)y = np.linspace(-5, 5, 150)X, Y = np.meshgrid(x, y) 高程函数（包含火山口与地热区特征）Z = 2400 + 50*np.exp(-0.3*(X2 + Y2)) – 200*np.exp(-0.8*((X+1)2 + (Y-0.5)2)) Z += 30*np.sin(2*X) * np.cos(3*Y) 创建3D画布fig = plt.figure(figsize=(14, 10))ax = fig.add_subplot(111, projection=’3d’) 绘制曲面surf = ax.plot_surface(X, Y, Z, cmap=cm.terrain, 地形专用色标 rstride=2, 行采样步长 cstride=2, 列采样步长 alpha=0.95, antialiased=True, linewidth=0.2, edgecolor=’333333′) 添加色标cbar = fig.colorbar(surf, shrink=0.6, aspect=30)cbar.set_label(‘高程 (米)’, rotation=270, labelpad=25) 设置观测角度ax.view_init(elev=35, azim=300) 35度俯角，300度方位角 添加标注ax.set_xlabel(‘物品向 (公里)’, labelpad=12)ax.set_ylabel(‘南北向 (公里)’, labelpad=12)ax.set_zlabel(‘高程’, labelpad=12)ax.set_title(‘某民族公园地热区3D地形模型’, y=0.98, fontsize=14) 添加地形特征标注ax.text(-4, -4, 2600, ‘▲ 火山口’, color=’8B0000′, fontsize=9)ax.text(1.5, 0.8, 2250, ‘地热喷泉区’, color=’2F4F4F’, fontsize=9) 优化显示效果ax.xaxis.pane.fill = Falseax.yaxis.pane.fill = Falseax.zaxis.pane.fill = Falseax.xaxis._axinfo[“grid”].update(“linewidth”:0.3, “color” : “666666”})ax.yaxis._axinfo[“grid”].update(“linewidth”:0.3, “color” : “666666”})ax.zaxis._axinfo[“grid”].update(“linewidth”:0.3, “color” : “666666”})plt.tight_layout()plt.show()

18. 气泡图（Bubble Plot）

其实是散点图加强版，用大致表示变量大致。

import matplotlib.pyplot as pltimport numpy as npplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文plt.rcParams[‘axes.unicode_minus’] = False 解决负数乱码难题 各省份数据（GDP单位：万亿元，人口单位：千万人）provinces = [ ‘广东’, ‘江苏’, ‘山东’, ‘浙江’, ‘河南’, ‘四川’, ‘湖北’, ‘福建’, ‘湖南’, ‘安徽’]gdp = [12.91, 12.29, 8.74, 7.77, 6.13, 5.67, 5.37, 5.31, 4.87, 4.50]population = [126.6, 85.1, 101.6, 65.4, 98.7, 83.7, 58.3, 41.8, 66.4, 61.3]per_capita_gdp = [10.2, 14.4, 8.6, 11.9, 6.2, 6.8, 9.2, 12.7, 7.3, 7.3] 单位：万元/人 创建画布plt.figure(figsize=(14, 8)) 绘制气泡图scatter = plt.scatter( x=gdp, y=population, s=np.array(per_capita_gdp)*400, 气泡大致缩放 c=np.arange(len(provinces)), 颜色映射 cmap=’tab20′, alpha=0.8, edgecolors=’white’, linewidths=0.8) 设置坐标轴plt.title(‘xxxx主要省份经济数据气泡图’, fontsize=14, pad=20)plt.xlabel(‘GDP（万亿元）’, labelpad=12)plt.ylabel(‘人口（千万人）’, labelpad=12)plt.grid(linestyle=’:’, alpha=0.6) 设置坐标范围plt.xlim(3, 14)plt.ylim(30, 130)plt.tight_layout()plt.show()

19. 漏斗图（Funnel Chart）

展示“转化率”的神器。

import matplotlib.pyplot as pltplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文plt.rcParams[‘axes.unicode_minus’] = False 解决负数乱码难题labels = [‘访问’, ‘注册’, ‘激活’, ‘付费’]values = [1000, 800, 400, 100]plt.barh(labels, values)plt.title(‘用户转化漏斗’)plt.show()

20. 动态图（Animation）

别说静态图无聊，Matplotlib也能动起来！

import matplotlib.pyplot as pltimport numpy as npfrom matplotlib import animationplt.rcParams[‘font.family’] = ‘SimHei’ 黑体支持中文plt.rcParams[‘axes.unicode_minus’] = False 解决负数乱码难题fig, ax = plt.subplots()x = np.linspace(0, 2*np.pi, 128)line, = ax.plot(x, np.sin(x))def update(i): line.set_ydata(np.sin(x + i / 10.0)) return line,ani = animation.FuncAnimation(fig, update, frames=100, interval=50)plt.title(‘动态正弦波’)plt.show()

最终说一句

可视化不仅仅是“画图”，更是讲故事的方式，是你用代码向全球展示洞察力的舞台。别只是盯着那些一眼看完的报表，有时候，一个图胜过千言万语。

以上就是Python可视化工具Matplotlib的20种图表用法的详细内容，更多关于Python可视化工具Matplotlib用法的资料请关注风君子博客其它相关文章！

无论兄弟们可能感兴趣的文章:

• python中matplotlib的用法及绘制简单图形详解
• Python?Matplotlib基本用法详解
• Python可视化Matplotlib散点图scatter()用法详解
• Python可视化Matplotlib折线图plot用法详解
• Python绘图库Matplotlib的基本用法