课程库 › AI 主线 › 数据可视化 › 第 1 课

图表选择的思维 —— 什么数据配什么图

普通课约 50 分钟

本课导读

上单元你算出了各城市销售额，但把那张表拍给老板，多半换来一句"所以呢？"——数字要变成图，结论才会自己开口。画图的第一功不是代码，是选型：什么问题配什么图。本课建立五问五图的决策直觉，配上每种图的"一眼识别 + 常见误用"。学会选型，后面三课的代码只是执行。预计 50 分钟。

说明

本单元的代码块运行后会自动把图表显示在输出区下方——不需要写 plt.show()。首次运行要多等一会儿（加载绘图包和中文字体），之后流畅。

一图胜千言的前提：问对问题

图表不是装饰，是回答问题的工具。画图前先说清你要回答哪类问题：

你的问题	图型	一句话识别
随时间怎么变？	折线图	点连成线，横轴是时间
谁多谁少？（类别比较）	柱状图	一根根柱子比高矮
各占多大份？（占比）	饼图	一块饼切几牙
数值怎么分布？	直方图	连续区间上的"柱子墙"
两个量有没有关系？	散点图	一片点的云

口诀：变化折线、比较柱状、占比饼图、分布直方、关系散点。九成的业务图表逃不出这五种。

五图亲眼过一遍

不求看懂代码（下节课的事），只看图长什么样、回答什么问题：

Python

import matplotlib.pyplot as plt

# 问题一：销售额随月份怎么变？→ 折线
months = ["1月", "2月", "3月", "4月", "5月", "6月"]
sales = [120, 98, 150, 130, 175, 210]

fig, ax = plt.subplots(figsize=(6, 3))
ax.plot(months, sales, marker="o")
ax.set_title("月销售额走势（万元）——回答“怎么变”")

Python

import matplotlib.pyplot as plt

# 问题二：各城市谁卖得多？→ 柱状
cities = ["上海", "北京", "深圳", "广州"]
amounts = [4415, 2725, 897, 1610]

fig, ax = plt.subplots(figsize=(6, 3))
ax.bar(cities, amounts)
ax.set_title("各城市销售额（万元）——回答“谁多谁少”")

Python

import matplotlib.pyplot as plt

# 问题三：渠道占比？→ 饼（类别 ≤5 时才考虑它）
channels = ["直播", "搜索", "老客复购", "其他"]
share = [45, 25, 22, 8]

fig, ax = plt.subplots(figsize=(4.5, 4.5))
ax.pie(share, labels=channels, autopct="%1.0f%%")
ax.set_title("订单来源占比——回答“各占多大份”")

Python

import matplotlib.pyplot as plt

# 问题四：客单价集中在什么区间？→ 直方图
order_values = [89, 120, 99, 299, 105, 88, 150, 130, 95, 110,
              135, 92, 128, 310, 99, 145, 102, 88, 118, 160]

fig, ax = plt.subplots(figsize=(6, 3))
ax.hist(order_values, bins=6)
ax.set_title("客单价分布（元）——回答“集中在哪、有没有异类”")

Python

import matplotlib.pyplot as plt

# 问题五：广告费和销量有关系吗？→ 散点
ad_spend = [10, 15, 8, 20, 25, 12, 30, 18, 22, 28]
orders = [120, 165, 90, 210, 260, 130, 300, 180, 235, 280]

fig, ax = plt.subplots(figsize=(6, 3.5))
ax.scatter(ad_spend, orders)
ax.set_title("广告费 vs 订单量——回答“有没有关系”")

散点图那片点整体右上倾斜——广告费越高订单越多的相关关系肉眼可见。（阶段 3 会正式提醒你：相关不等于因果，广告费和订单可能都被"大促日"推着涨。）

高频误用急诊室

选错图比不画图更糟——它会用视觉撒谎。三个最常见的事故：

饼图塞了十几个类别 → 一堆窄牙谁也看不清。类别超过 5 个换柱状图；只想突出"最大头占几成"时饼图才值回票价
该用折线的用了柱状：30 天的日销量画 30 根柱子，密不透风——时间序列一律折线
柱状图纵轴不从 0 开始：从 90 开始画 95 和 100 两根柱，视觉差出一倍，实际差 5%——比较类图表的纵轴从 0 起，这是诚实问题

提示

类比记忆：图型是问题的翻译腔——听到"趋势/走势/变化"耳朵里响起折线，听到"对比/排名"响起柱状，听到"占比/构成"响起饼图，听到"分布/集中"响起直方，听到"相关/影响"响起散点。练到条件反射，选型就不再是问题。

说明

你可能听过 seaborn、plotly 等更漂亮的绘图库——它们都建在 matplotlib 的地基上。先把地基打牢：概念全部通用，将来换库只是换语法糖。

✍️ 练习

练习 1：口头选型（无代码）

给下面四个需求各选一种图型并说理由：① 近 12 个月的用户增长 ② 五个销售的季度业绩排名 ③ 三千名用户的年龄构成 ④ 房屋面积和售价的关系。

✅ 参考答案

① 折线（时间 + 变化）② 柱状（类别比较，5 个正好）③ 直方图（连续数值的分布——注意不是饼图，年龄是连续量）④ 散点（两个量的关系）。第 ③ 问最容易错：想按年龄段占比也可以先分箱再画柱/饼，但"看分布"的第一反应应该是直方图。

练习 2：找茬（无代码）

同事的周报里有两张图：A. 用饼图展示 12 个省份的销售占比；B. 柱状图对比两款产品销量，纵轴从 850 开始（两根柱子 870 和 890）。各错在哪，怎么改？

✅ 参考答案

A：12 个类别的饼图没法读——改横向柱状图按大小排序，一眼出排名。B：纵轴不从 0 起，2% 的差距被画成了 2 倍——比较类柱状图纵轴从 0 开始；若差异确实小又重要，标注具体数字而不是靠截断轴放大。

练习 3：动手换型（挑战）

下面的代码用柱状图画了 30 天的日活跃数据——正是"该折线却柱状"的事故现场。运行看看它多难读，然后把它改成正确的折线图。

Python

import matplotlib.pyplot as plt

days = list(range(1, 31))
dau = [520, 535, 528, 560, 545, 590, 610, 605, 598, 620,
     640, 632, 650, 645, 670, 690, 685, 700, 720, 715,
     730, 745, 738, 760, 775, 770, 790, 805, 798, 820]

fig, ax = plt.subplots(figsize=(7, 3))
ax.bar(days, dau)          # ← 把这行改成折线画法
ax.set_title("30 天日活跃用户数")

✅ 参考答案

import matplotlib.pyplot as plt

days = list(range(1, 31))
dau = [520, 535, 528, 560, 545, 590, 610, 605, 598, 620,
       640, 632, 650, 645, 670, 690, 685, 700, 720, 715,
       730, 745, 738, 760, 775, 770, 790, 805, 798, 820]

fig, ax = plt.subplots(figsize=(7, 3))
ax.plot(days, dau)
ax.set_title("30 天日活跃用户数")

一行之差：柱状版是一堵墙，折线版一眼看出"稳步上涨、无异常缺口"。图型选对，结论自动浮现。

📝 随堂测验

随堂测验0 / 5 题正确

1. “近半年销售额走势”应该用什么图？

2. 饼图的适用边界是？

3. 直方图和柱状图的本质区别是？

4. 比较类柱状图的纵轴从 90 开始而不是 0，问题在哪？

5. 散点图右上倾斜说明广告费和订单量正相关，能直接下结论“广告带来了订单”吗？

本课小结

图是回答问题的工具，先问对问题：变化折线、比较柱状、占比饼图、分布直方、关系散点
三大误用：多类别硬塞饼图、时间序列画柱状、比较图纵轴不从 0 起（视觉撒谎）
相关 ≠ 因果——散点图只答"有没有关系"
seaborn/plotly 都盖在 matplotlib 地基上，概念通用

选型的眼睛有了，下一课上手：matplotlib 的画布/坐标系模型 + 三种基础图的完整画法。

划选正文任意文字可高亮、批注或加入复习卡

讨论

载入中…