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！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，机器学习，还是做周报、写PPT，只要掌握了这些图形，绝对是质的飞跃！

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问题：

pipinstallmatplotlib

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

pipinstallmatplotlib

回车，喝口水，等一会儿，它自己就装好了。

---

1. 折线图（Line Chart）

常用于趋势变化，比如气温、股价、KPI变化啥的。

importmatplotlib.pyplotaspltplt.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。

importmatplotlib.pyplotaspltplt.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。

importmatplotlib.pyplotaspltimportnumpyasnpplt.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。

importmatplotlib.pyplotaspltimportnumpyasnpplt.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('学习时间 vs 成绩')plt.xlabel('学习时间')plt.ylabel('成绩')plt.show()

5. 饼图（Pie Chart）

占比图！让老板看谁吃的预算多

importmatplotlib.pyplotaspltplt.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。

importmatplotlib.pyplotaspltplt.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('用户增长趋势')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。

importmatplotlib.pyplotaspltimportnumpyasnpplt.rcParams['font.family']='SimHei'# 黑体支持中文data=[np.random.normal(50,std,100)forstdin(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小，强烈推荐结合seaborn！

importmatplotlib.pyplotaspltimportnumpyasnpimportseabornassnsplt.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

importmatplotlib.pyplotaspltimportnumpyasnpplt.rcParams['font.family']='SimHei'# 黑体支持中文labels=['沟通','编码','学习','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。

importmatplotlib.pyplotaspltimportnumpyasnpplt.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。

importmatplotlib.pyplotaspltplt.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！

importmatplotlib.pyplotaspltplt.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='特殊成交（元/㎡）')plt.title('2024年某小区月均房价及特殊成交记录')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。

importmatplotlib.pyplotaspltfromdatetimeimportdatetimeimportmatplotlib.datesasmdatesplt.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')fordindates]# 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')# 添加标题和标签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。

importmatplotlib.pyplotaspltplt.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点方向）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forautotextinautotexts:autotext.set_color('white')autotext.set_fontsize(10)autotext.set_weight('bold')# 添加中心标题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。

importmatplotlib.pyplotaspltplt.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fori,(v,s)inenumerate(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趋势。

importmatplotlib.pyplotaspltfrommatplotlibimportcmimportnumpyasnpplt.rcParams['font.family']='SimHei'# 黑体支持中文plt.rcParams['axes.unicode_minus']=False# 解决负数乱码问题# 生成地形数据（模拟青海湖周边区域 20x20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*X**2+30*np.sin(2*X)+45*np.exp(-(X**2+Y**2)/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('东西向距离 (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！

importmatplotlib.pyplotaspltfrommatplotlibimportcmimportnumpyasnpplt.rcParams['font.family']='SimHei'# 黑体支持中文 plt.rcParams['axes.unicode_minus'] = False # 解决负数乱码问题 # 生成真实地形数据（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*(X**2 + Y**2)) - 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('东西向 (公里)', labelpad=12) ax.set_ylabel('南北向 (公里)', labelpad=12) ax.set_zlabel('高程', labelpad=12) ax.set_title('某国家公园地热区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 = False ax.yaxis.pane.fill = False ax.zaxis.pane.fill = False ax.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() pltimport matplotlib.pyplot as pltfrommatplotlibimportcmimportnumpyasnpplt.rcParams['font.family']='SimHei'# 黑体支持中文plt.rcParams['axes.unicode_minus']=False# 解决负数乱码问题# 生成真实地形数据（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*(X**2+Y**2))-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('东西向 (公里)',labelpad=12)ax.set_ylabel('南北向 (公里)',labelpad=12)ax.set_zlabel('高程',labelpad=12)ax.set_title('某国家公园地热区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，用大小表示变量大小。

importmatplotlib.pyplotaspltimportnumpyasnpplt.rcParams['font.family']='SimHei'# 黑体支持中文plt.rcParams['axes.unicode_minus']=False# 解决负数乱码问题# 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,# 气泡大小缩放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。

importmatplotlib.pyplotaspltplt.rcParams['font.family']='SimHei'# 黑体支持中文plt.rcParams['axes.unicode_minus']=False# 解决负数乱码问题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！

importmatplotlib.pyplotaspltimportnumpyasnpfrommatplotlibimportanimationplt.rcParams['font.family']='SimHei'# 黑体支持中文plt.rcParams['axes.unicode_minus']=False# 解决负数乱码问题fig,ax=plt.subplots()x=np.linspace(0,2*np.pi,128)line,=ax.plot(x,np.sin(x))defupdate(i):line.set_ydata(np.sin(x+i/10.0))returnline,ani=animation.FuncAnimation(fig,update,frames=100,interval=50)plt.title('动态正弦波')plt.show()

原文链接：https://zhuanlan.zhihu.com/p/1906641913332895760