📊 Python 数据可视化知识点汇总

ax.plot(x, y,
    color='red',        # 颜色
    linewidth=2,        # 线宽
    linestyle='--',     # 线型 '-' '--' '-.' ':'
    marker='o',         # 标记 o s ^ * D v
    markersize=6,
    alpha=0.8,          # 透明度
    label='图例名')

ax.bar(categories, values,
    width=0.6,           # 柱宽
    color='steelblue',
    edgecolor='black',
    hatch='//')          # 填充纹理
ax.bar_label(bars, padding=3)  # 柱顶标数值

# 分组柱状图：错开 x 位置
ax.bar(x - w/2, g1, width=w, label='A')
ax.bar(x + w/2, g2, width=w, label='B')

sc = ax.scatter(x, y,
    s= sizes,          # 点面积(可传数组)
    c= values,         # 颜色映射值
    cmap='viridis',    # 颜色映射方案
    alpha=0.6,         # 半透明防遮挡
    edgecolors='w')
fig.colorbar(sc, label='数值')

ax.pie(values, labels=labels,
    autopct='%.1f%%',  # 显示百分比
    startangle=90,     # 起始角度
    explode=[0.1, 0, 0, 0], # 突出某块
    shadow=True,
    colors=colors)
ax.axis('equal')      # 保证是正圆

ax.hist(data, bins=30,       # 分箱数
    density=True,      # 归一化为概率密度
    cumulative=True,   # 累积分布
    color='skyblue',
    edgecolor='white')

ax.boxplot(data_list, labels=names,
    patch_artist=True,   # 填充颜色
    showmeans=True,      # 显示均值
    vert=True)
# 小提琴图（分布+密度）
ax.violinplot(data_list, showmedians=True)

im = ax.imshow(corr_matrix,
    cmap='RdBu_r', vmin=-1, vmax=1)
fig.colorbar(im)
ax.set_xticks(range(n), labels, rotation=45)
ax.set_yticks(range(n), labels)
# 在格子里写数值
for i in range(n):
    for j in range(n):
        ax.text(j, i, f'{corr[i,j]:.2f}',
                ha='center', va='center')

# 两曲线间填充（常用于置信区间）
ax.fill_between(x, y1, y2,
    color='blue', alpha=0.2)
# 曲线下面积
ax.fill_between(x, y, 0,
    where=(y > 0),
    interpolate=True)

# 单色
'r' 'g' 'b' 'k'              # 缩写
'tab:blue' 'tab:orange'       # 官方默认10色
'#FF5733'                      # 十六进制
'steelblue' 'crimson'          # CSS色名
(0.2, 0.4, 0.6)                # RGB元组

# 颜色循环
plt.rcParams['axes.prop_cycle'] = plt.cycler(
    color=plt.cm.Set2.colors)

sns.xxxplot(data=df,        # DataFrame
    x='列名', y='列名',
    hue='分类列',      # 颜色分组
    size='数值列',      # 大小编码
    style='分类列',     # 标记形状
    palette='husl',     # 调色板
    ax=ax)              # 画到指定ax

# 按类别拆成多个子图，同一张图逻辑
g = sns.FacetGrid(df, col='time', row='sex',
                  hue='smoker')
g.map_dataframe(sns.scatterplot,
                x='total_bill', y='tip')
g.add_legend()

# 便捷版：relplot / displot / catplot
sns.relplot(data=df, x='total_bill', y='tip',
    col='day', col_wrap=2, kind='scatter')

# 全局主题: darkgrid whitegrid dark
# white ticks paper talk
sns.set_theme(style='whitegrid',
    context='notebook',  # paper notebook talk poster
    font='SimHei')

# 取消边框
sns.despine(left=True, top=True, right=True)

# 调色板
sns.color_palette('Set2')      # 分类: Set1/2, tab10, husl
sns.color_palette('Blues', 8)  # 顺序
sns.color_palette('RdBu_r')    # 发散
sns.palplot(sns.color_palette('husl'))  # 预览

import plotly.express as px

df = px.data.gapminder()

# 折线
px.line(df, x='year', y='lifeExp',
    color='continent', line_group='country')

# 气泡散点（动画！）
px.scatter(df, x='gdpPercap', y='lifeExp',
    size='pop', color='continent',
    hover_name='country',
    log_x=True, animation_frame='year')

# 柱状 / 饼 / 箱线 / 直方
px.bar(df, x='continent', y='pop', color='continent')
px.pie(df, names='continent', values='pop', hole=0.4)
px.box(df, x='continent', y='lifeExp', points='all')
px.histogram(df, x='lifeExp', nbins=30)

# 热力图 / 3D散点
px.imshow(corr_matrix, text_auto=True)
px.scatter_3d(df, x='gdpPercap', y='pop', z='lifeExp', color='continent')

# 地图
px.choropleth(df, locations='iso_alpha', color='lifeExp',
    hover_name='country', animation_frame='year')

import plotly.graph_objects as go

fig = go.Figure()
fig.add_trace(go.Scatter(x=x, y=y, mode='lines+markers',
    name='系列A', line=dict(color='royalblue', width=2)))
fig.add_trace(go.Bar(x=cx, y=cy, name='系列B', yaxis='y2'))

fig.update_layout(
    title='标题',
    xaxis_title='X', yaxis_title='Y',
    template='plotly_dark',   # plotly / white / seaborn
    hovermode='x unified',
    legend=dict(orientation='h', y=1.05),
    yaxis2=dict(overlaying='y', side='right'))
fig.show()

# 保存为 HTML / 图片
fig.write_html('chart.html')
fig.write_image('chart.png', scale=2)  # 需 kaleido

# 在 Jupyter 中显示
fig.show()  # 自动渲染交互图

# Matplotlib 色盲友好
plt.style.use('tableau-colorblind10')

# Seaborn 色盲友好调色板
sns.set_palette('colorblind')
# 或 'deep' / 'muted' / colorbrewer 主题

# 经典 Okabe-Ito 色板
okabe_ito = ['#E69F00', '#56B4E9',
    '#009E73', '#F0E442',
    '#0072B2', '#D55E00', '#CC79A7']

# 1. 动画（FuncAnimation）
from matplotlib.animation import FuncAnimation
anim = FuncAnimation(fig, update, frames=100,
                     interval=50)
anim.save('a.gif', writer='pillow')

# 2. 3D 图
from mpl_toolkits.mplot3d import Axes3D
ax = fig.add_subplot(projection='3d')
ax.plot_surface(X, Y, Z, cmap='viridis')

# 3. 表格+图组合
ax.table(cellText=df.values,
         colLabels=df.columns, loc='bottom')

# 4. 水印背景图
ax.imshow(img, extent=[0,10,0,10],
          alpha=0.3, aspect='auto')