Python全能数据可视化实战|核心图表+美化+交互精简教程

python                  import pandas as pd                  import numpy as np                  import matplotlib.pyplot as plt                  import seaborn as sns                  import plotly.express as px                  from scipy.interpolate import make_interp_spline                  # 解决中文乱码                  plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"]                  plt.rcParams["axes.unicode_minus"] = False                  np.random.seed(2025)                  # 模拟数据：销售额、客流量、转化率、商品品类                  df = pd.DataFrame({                  "销售额": np.random.normal(500, 80, 300),                  "客流量": np.random.normal(200, 30, 300),                  "转化率": np.random.uniform(0.05, 0.25, 300),                  "商品品类": np.random.choice(["食品","服饰","家电","日用品"], 300)                  })

效果：生成结构化测试数据，后续所有图表均基于此绘制，无需额外找数据。

python                  fig, ax = plt.subplots(figsize=(8,5))                  # 散点图                  ax.scatter(df["客流量"], df["销售额"], color='#2E86AB', alpha=0.6, label='原始数据')                  # 趋势线                  z = np.polyfit(df["客流量"], df["销售额"], 1)                  ax.plot(np.sort(df["客流量"]), np.poly1d(z)(np.sort(df["客流量"])), color='#E63946', lw=2, label='趋势线')                  # 美化：隐藏多余边框                  ax.spines[['top','right']].set_visible(False)                  ax.set_xlabel("客流量"), ax.set_ylabel("销售额"), ax.set_title("客流量vs销售额相关性"), ax.legend()                  plt.tight_layout(), plt.show()

python                  fig, axes = plt.subplots(1,3, figsize=(16,5))                  # 销售额分布直方图                  axes[0].hist(df['销售额'], bins=25, color='#81B29A', edgecolor='black')                  axes[0].set_title("销售额分布")                  # 品类销售额条形图                  group_mean = df.groupby("商品品类")["销售额"].mean()                  axes[1].bar(group_mean.index, group_mean.values, color='#F2CC8F')                  axes[1].set_title("品类平均销售额")                  # 品类占比饼图                  cnt = df["商品品类"].value_counts()                  axes[2].pie(cnt, labels=cnt.index, autopct='%.1f%%')                  axes[2].set_title("品类数量占比")                  plt.tight_layout(), plt.show()

python                  # 单指标折线                  df["客流量"].plot(kind='line', figsize=(8,4), title='客流量趋势')                  # 双指标对比                  df[["销售额","客流量"]].plot(kind='line', title='双指标对比')                  plt.show()

python                  num_df = df[["销售额","客流量","转化率"]]                  sns.pairplot(num_df, diag_kind='kde')                  plt.suptitle("全特征关联图", y=1.02)                  plt.show()

python                  plt.figure(figsize=(8,5))                  plt.hist(df["转化率"], bins=20, density=True, alpha=0.5, color='#F4A261')                  df["转化率"].plot.kde(color='#E76F51', lw=2)                  plt.title("转化率分布（直方图+密度）")                  plt.show()

python                  # 交互散点图（按品类分色）                  px.scatter(df, x="客流量", y="销售额", color="商品品类", title="交互式相关性散点图").show()                  # 交互直方图                  px.histogram(df, x="转化率", title="交互分布直方图").show()                  # 交互饼图                  px.pie(df, names="商品品类", title="交互品类占比饼图").show()