我总结了20种最实用的Python图表，做数据可视化不用再抓狂了

大家好，欢迎来到IT知识分享网。

花姐上线了！
今天咱不聊鸡汤、不讲情怀，直接开整！花姐带你
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：

plt.rcParams['font.family'] = 'SimHei' # 黑体支持中文

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：

pip install matplotlib

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。

import matplotlib.pyplot as plt plt.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。

import matplotlib.pyplot as plt plt.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。

import matplotlib.pyplot as plt import numpy as np plt.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。

import matplotlib.pyplot as plt import numpy as np plt.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

import matplotlib.pyplot as plt plt.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。

import matplotlib.pyplot as plt plt.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。

import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.family'] = 'SimHei' # 黑体支持中文 data = [np.random.normal(50, std, 100) for std in (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！

import matplotlib.pyplot as plt import numpy as np import seaborn as sns plt.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

import matplotlib.pyplot as plt import numpy as np plt.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。

import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.family'] = 'SimHei' # 黑体支持中文 r = np.linspace(0, 1, 100) theta = 2 * np.pi * r plt.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。

import matplotlib.pyplot as plt plt.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！

import matplotlib.pyplot as plt plt.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。

import matplotlib.pyplot as plt from datetime import datetime import matplotlib.dates as mdates plt.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') for d in dates] # 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。

import matplotlib.pyplot as plt plt.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 for autotext in autotexts: 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。

import matplotlib.pyplot as plt plt.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 for i, (v, s) in enumerate(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。

import matplotlib.pyplot as plt from matplotlib import cm import numpy as np plt.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*X2 + 30*np.sin(2*X) + 45*np.exp(-(X2 + Y2)/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！

import matplotlib.pyplot as plt from matplotlib import cm import numpy as np plt.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*(X2 + Y2)) - 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='#') # 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" : "#"}) ax.yaxis._axinfo["grid"].update({"linewidth":0.3, "color" : "#"}) ax.zaxis._axinfo["grid"].update({"linewidth":0.3, "color" : "#"}) 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。

import matplotlib.pyplot as plt import numpy as np plt.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。

import matplotlib.pyplot as plt plt.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！

import matplotlib.pyplot as plt import numpy as np from matplotlib import animation plt.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)) def update(i): line.set_ydata(np.sin(x + i / 10.0)) return line, ani = animation.FuncAnimation(fig, update, frames=100, interval=50) plt.title('动态正弦波') plt.show() 

最后说一句

可视化不仅仅是“画图”，更是讲故事的方式，是你用代码向世界展示洞察力的舞台。别只是盯着那些一眼看完的报表，有时候，一个图胜过千言万语。

你最常用的是哪几种图？欢迎评论区留言告诉花姐！