Python 数据可视化

使用 Python 领先的库创建专业的图表、图形和统计可视化。

库与使用场景

matplotlib- 静态绘图，出版级质量，完全控制

• 条形图、折线图、散点图、饼图、直方图、热力图
• 多面板图形，子图
• 自定义样式，标注
• 导出格式：PNG, SVG, PDF

seaborn- 统计可视化，精美的默认设置

• 分布图（小提琴图、箱线图、核密度估计图、直方图）
• 分类图（条形图、计数图、蜂群图、箱线图）
• 关系图（散点图、折线图、回归图）
• 矩阵图（热力图、聚类图）
• 基于 matplotlib 构建，无缝集成

plotly- 交互式图表，适合网页

• 悬停提示框，缩放，平移
• 3D 图，动画
• 通过Dash框架创建仪表盘
• 导出格式：HTML、PNG（需安装kaleido）

快速入门

环境设置

cd skills/python-dataviz
python3 -m venv .venv
source .venv/bin/activate
pip install .

创建图表

import matplotlib.pyplot as plt
import numpy as np

# Data
x = np.linspace(0, 10, 100)
y = np.sin(x)

# Plot
plt.figure(figsize=(10, 6))
plt.plot(x, y, linewidth=2, color='#667eea')
plt.title('Sine Wave', fontsize=16, fontweight='bold')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.grid(alpha=0.3)
plt.tight_layout()

# Export
plt.savefig('output.png', dpi=300, bbox_inches='tight')
plt.savefig('output.svg', bbox_inches='tight')

图表选择指南

分布/统计类：

• 直方图 →plt.hist()或sns.histplot()
• 箱形图 →sns.boxplot()
• 小提琴图 →sns.violinplot()
• 核密度估计图 →sns.kdeplot()

比较类：

• 条形图 →plt.bar()或sns.barplot()
• 分组条形图 →sns.barplot(hue=...)
• 水平条形图 →plt.barh()或者sns.barplot(orient='h')

关系：

• 散点图 →plt.scatter()或者sns.scatterplot()
• 折线图 →plt.plot()或者sns.lineplot()
• 回归图 →sns.regplot()或者sns.lmplot()

热力图：

• 相关性矩阵 →sns.heatmap(df.corr())
• 二维数据 →plt.imshow()或者sns.heatmap()

交互式：

• 任何 Plotly 图表 →plotly.express或plotly.graph_objects
• 参见 references/plotly-examples.md

最佳实践

1. 图形尺寸与 DPI

plt.figure(figsize=(10, 6))  # Width x Height in inches
plt.savefig('output.png', dpi=300)  # Publication: 300 dpi, Web: 72-150 dpi

2. 调色板

# Seaborn palettes (works with matplotlib too)
import seaborn as sns
sns.set_palette("husl")  # Colorful
sns.set_palette("muted")  # Soft
sns.set_palette("deep")  # Bold

# Custom colors
colors = ['#667eea', '#764ba2', '#f6ad55', '#4299e1']

3. 样式设置

# Use seaborn styles even for matplotlib
import seaborn as sns
sns.set_theme()  # Better defaults
sns.set_style("whitegrid")  # Options: whitegrid, darkgrid, white, dark, ticks

# Or matplotlib styles
plt.style.use('ggplot')  # Options: ggplot, seaborn, bmh, fivethirtyeight

4. 多子图

fig, axes = plt.subplots(2, 2, figsize=(12, 10))
axes[0, 0].plot(x, y1)
axes[0, 1].plot(x, y2)
# etc.
plt.tight_layout()  # Prevent label overlap

5. 导出格式

# PNG for sharing/embedding (raster)
plt.savefig('chart.png', dpi=300, bbox_inches='tight', transparent=False)

# SVG for editing/scaling (vector)
plt.savefig('chart.svg', bbox_inches='tight')

# For plotly (interactive)
import plotly.express as px
fig = px.scatter(df, x='col1', y='col2')
fig.write_html('chart.html')

高级主题

参见 references/ 获取详细指南：

• 色彩理论与调色板： references/colors.md
• 统计图表： references/statistical.md
• Plotly 交互式图表： references/plotly-examples.md
• 多面板布局： references/layouts.md

示例脚本

参见 scripts/ 获取即用示例：

• scripts/bar_chart.py- 条形图与分组条形图
• scripts/line_chart.py- 多系列折线图
• scripts/scatter_plot.py- 带回归分析的散点图
• scripts/heatmap.py- 相关性热力图
• scripts/distribution.py- 直方图、核密度估计图、小提琴图
• scripts/interactive.py- Plotly交互式图表

常见模式

来自CSV的数据

import pandas as pd
df = pd.read_csv('data.csv')

# Plot with pandas (uses matplotlib)
df.plot(x='date', y='value', kind='line', figsize=(10, 6))
plt.savefig('output.png', dpi=300)

# Or with seaborn for better styling
sns.lineplot(data=df, x='date', y='value')
plt.savefig('output.png', dpi=300)

字典数据

data = {'Category A': 25, 'Category B': 40, 'Category C': 15}

# Matplotlib
plt.bar(data.keys(), data.values())
plt.savefig('output.png', dpi=300)

# Seaborn (convert to DataFrame)
import pandas as pd
df = pd.DataFrame(list(data.items()), columns=['Category', 'Value'])
sns.barplot(data=df, x='Category', y='Value')
plt.savefig('output.png', dpi=300)

NumPy数组

import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.savefig('output.png', dpi=300)

故障排除

"没有名为matplotlib的模块"

cd skills/python-dataviz
source .venv/bin/activate
pip install -r requirements.txt

空白输出 / "图形为空"

• 请检查plt.savefig()是否位于绘图命令之后
• 开发时使用plt.show()进行交互式查看

标签被截断

plt.tight_layout()  # Add before plt.savefig()
# Or
plt.savefig('output.png', bbox_inches='tight')

低分辨率输出

plt.savefig('output.png', dpi=300)  # Not 72 or 100

环境

该技能包含一个已安装所有依赖项的虚拟环境。使用前请务必激活：

cd /home/matt/.openclaw/workspace/skills/python-dataviz
source .venv/bin/activate

依赖项：matplotlib、seaborn、plotly、pandas、numpy、kaleido（用于plotly静态导出）