Python数据可视化入门:用matplotlib和Pygal让数据讲故事

前14章我们一直在"练内功"——语法、函数、类、游戏开发……到了第15章，画风一转，Python开始帮你"说话"了。

不是真的说话，而是用图表说话。这一章学两个可视化库：matplotlib 画静态图，Pygal 做可交互图。学完之后，你看数据的眼光都不一样了。

01 先把工具装好

pip install matplotlib
pip install pygal

如果你的 Python 版本比较新（3.12+），matplotlib 装完可能有兼容警告，升级一下就行：

pip install matplotlib --upgrade

02 折线图：最经典的数据表达

matplotlib 的套路很简单——给数据，调参数，plt.show() 弹窗：

import matplotlib.pyplot as plt

squares = [1, 4, 9, 16, 25]
input_values = [1, 2, 3, 4, 5]

plt.figure(figsize=(10, 6))
plt.plot(input_values, squares, linewidth=5)

plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
plt.tick_params(axis='both', labelsize=14)

plt.show()

有个坑要注意：如果你只传了 squares 没传 input_values，x 轴会从 0 开始，图表变成 (0,1), (1,4), (2,9)… 完全歪了。

03 散点图：一眼看出相关性

折线图适合有序数据，散点图适合看两个变量之间的关系：

plt.scatter(x_values, y_values, s=100, c='red', edgecolor='none')

几个常用参数够应付大部分场景：

颜色映射（colormap）是个很实用的功能——y 值越大颜色越深，等于图表自带第三维信息。

04 随机漫步：代码也能做行为艺术

这节是个有趣的思维模型——随机漫步（Random Walk）。每一步往哪个方向走、走多远，都是随机的。

from random import choice

class RandomWalk:
    def __init__(self, num_points=5000):
        self.num_points = num_points
        self.x_values = [0]
        self.y_values = [0]

    def fill_walk(self):
        while len(self.x_values) < self.num_points:
            x_direction = choice([1, -1])
            x_distance = choice([0, 1, 2, 3, 4])
            x_step = x_direction * x_distance

            y_direction = choice([1, -1])
            y_distance = choice([0, 1, 2, 3, 4])
            y_step = y_direction * y_distance

            # 拒绝原地踏步
            if x_step == 0 and y_step == 0:
                continue

            next_x = self.x_values[-1] + x_step
            next_y = self.y_values[-1] + y_step
            self.x_values.append(next_x)
            self.y_values.append(next_y)

可视化的时候，用颜色深浅表示步数顺序，起点标绿色、终点标红色：

plt.figure(figsize=(10, 6))
point_numbers = list(range(rw.num_points))
plt.scatter(rw.x_values, rw.y_values, c=point_numbers,
            cmap=plt.cm.Blues, edgecolor='none', s=1)
plt.scatter(0, 0, c='green', s=100)
plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', s=100)
plt.show()

每次运行出来的图都不一样，很有意思。

05 掷骰子：用Pygal做可交互直方图

matplotlib 出来的是静态 PNG，Pygal 出来的是 SVG——鼠标悬停能看到具体数值，还能嵌入网页。

from random import randint
import pygal

class Die:
    def __init__(self, num_sides=6):
        self.num_sides = num_sides

    def roll(self):
        return randint(1, self.num_sides)

die = Die()
results = [die.roll() for _ in range(1000)]
frequencies = [results.count(value) for value in range(1, die.num_sides + 1)]

hist = pygal.Bar()
hist.title = "Results of rolling one D6 1000 times."
hist.x_labels = ['1', '2', '3', '4', '5', '6']
hist.add('D6', frequencies)
hist.render_to_file('die_visual.svg')

双骰子也简单——把两次掷的点数相加：

die1 = Die()
die2 = Die()
results = [die1.roll() + die2.roll() for _ in range(1000)]

D6+D6 的总点数范围 2~12，但不是均匀分布——掷出 7 的概率最高（6 种组合），2 和 12 最低（各 1 种组合）。概率分布的直观体现。

06 怎么选：matplotlib 还是 Pygal？

别纠结，两个都会用就行。

下一章我们会更进一步——不再手动构造数据，而是从网上下载真实数据（CSV 和 JSON），然后可视化。天气数据、世界人口，都是用真实数据做图表，比掷骰子有意思多了。

关注「Bug与灵光」，跟着一步步学 Python 👇