课程库 › AI 主线 › 数据可视化 › 第 2 课

matplotlib 快速上手 —— 折线、柱状、饼图

普通课约 60 分钟

本课导读

选型的眼睛有了，今天练手。本课搞懂 matplotlib 的两句话心智模型（画布与坐标系），然后把最常用的三种图——折线、柱状、饼——各画到"能独立默写"，最后接通 pandas：把 groupby 的结果直接喂给图。代码量不大，但每行都要知道自己在干什么。预计 60 分钟。

两句话心智模型：fig 与 ax

matplotlib 代码的第一行几乎总是这句，先把它读透：

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(6, 3))

fig（figure）是画布：整张纸，管尺寸（figsize，单位英寸）、管保存
ax（axes）是坐标系：纸上真正画图的区域，管数据、标题、轴——画图动作基本都喊 ax
plt.subplots() 一次交付一套"纸 + 坐标系"，解包接住（U1.1 的功夫）

提示

类比记忆：fig 是画框，ax 是框里的画纸。买画框送画纸（subplots 一起给），落笔在纸上（ax.plot / ax.set_title），装裱尺寸问画框（figsize）。以后见到"一张图里四个小图"，就是一个画框裱了四张纸——同一套模型。

你可能在网上见过 plt.plot(...) 不写 fig/ax 的写法——能跑，但图一复杂就乱。本课程统一 fig, ax 起手，这也是官方推荐的正式写法。

折线图：plot

Python

import matplotlib.pyplot as plt

months = ["1月", "2月", "3月", "4月", "5月", "6月"]
sales = [120, 98, 150, 130, 175, 210]
target = [110, 115, 120, 130, 145, 160]

fig, ax = plt.subplots(figsize=(6, 3))
ax.plot(months, sales, marker="o", label="实际")     # marker：数据点标记
ax.plot(months, target, linestyle="--", label="目标") # linestyle：虚线
ax.set_title("月销售额：实际 vs 目标（万元）")
ax.legend()                                           # 图例：谁是谁

ax.plot(x, y) 一条线；再 plot 一次就多一条线（同一张纸上叠加）
多线必配 label= + ax.legend()——没有图例的多线图是猜谜
marker="o" 标出数据点，linestyle="--" 虚线——目标/预测线用虚线是行业默契

柱状图：bar 与 barh

Python

import matplotlib.pyplot as plt

cities = ["上海", "北京", "广州", "深圳"]
amounts = [4415, 2725, 1610, 897]

fig, ax = plt.subplots(figsize=(6, 3))
ax.bar(cities, amounts)
ax.set_title("各城市销售额（万元）")

# 横向版：类别名长、或类别多时更好读（换 barh 试试）
fig2, ax2 = plt.subplots(figsize=(6, 3))
ax2.barh(cities, amounts)
ax2.set_title("同一份数据的横向版")

两个要点：

竖版 bar、横版 barh——类别名一长就换横向（横向的类别名永远不用歪脖子读）
注意本例数据先排好了序再画——柱状图按大小排序是基本礼貌，乱序柱状图逼读者自己找最大值

（一个代码块画两张图？没问题——每 plt.subplots() 一次就多一张纸，运行后两张都会显示出来。）

饼图：pie

Python

import matplotlib.pyplot as plt

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%%",      # 每块上标百分比（%1.0f = 整数）
  startangle=90,           # 从 12 点方向开始切
)
ax.set_title("订单来源占比")

饼图三件套：labels 标名字、autopct 标百分比、startangle=90 从正上方开切（更符合阅读习惯）。谨记上节课的边界：类别 ≤5 才请它出场。

接通 pandas：分析到图表一条龙

真实工作流不是手敲数据列表，而是 pandas 算完直接画：

Python

import pandas as pd
import matplotlib.pyplot as plt

raw = """order_id,city,amount
1001,上海,299
1002,北京,178
1003,上海,1599
1004,深圳,897
1005,北京,89
1006,上海,918
1007,广州,459"""
with open("orders.csv", "w", encoding="utf-8") as f:
  f.write(raw)
df = pd.read_csv("orders.csv")

# 上单元的功夫：分组 + 排序
by_city = df.groupby("city")["amount"].sum().sort_values(ascending=False)
print(by_city)

# 本单元的功夫：结果直接上图
fig, ax = plt.subplots(figsize=(6, 3))
ax.bar(by_city.index, by_city.values)     # index 当 x，values 当 y
ax.set_title("各城市销售额（元）")

衔接点就一处：groupby 的结果是 Series——.index 是标签（当 x 轴），.values 是数字（当 y 轴）。"清洗 → 分组 → 排序 → 画图"从此一条流水线。

说明

pandas 还有更懒的快捷键 by_city.plot(kind="bar", ax=ax)——底层还是 matplotlib。本课程先练 ax.bar 的明白写法，知其所以然；快捷键将来自然会用。

✍️ 练习

练习 1：默写折线

某自由职业者记录了六个月的接单收入：18, 22, 19, 30, 27, 35（千元）。画折线图：带数据点标记、标题《上半年接单收入》。

Python

import matplotlib.pyplot as plt

# 你的代码写在下面

✅ 参考答案

import matplotlib.pyplot as plt

months = ["1月", "2月", "3月", "4月", "5月", "6月"]
income = [18, 22, 19, 30, 27, 35]

fig, ax = plt.subplots(figsize=(6, 3))
ax.plot(months, income, marker="o")
ax.set_title("上半年接单收入（千元）")

练习 2：排序 + 横向柱状

五门网课的报名人数如下（乱序）。先降序排好，再画横向柱状图（课程名较长，正是 barh 的主场）。

Python

import pandas as pd
import matplotlib.pyplot as plt

data = pd.Series(
  {"Python 数据分析入门": 340, "AI 提示词工程实战": 520,
   "Excel 到 pandas 迁移": 180, "机器学习数学基础": 95,
   "LLM 应用开发": 410}
)

# 你的代码写在下面（提示：sort_values 后 .index 和 .values 上 barh）

✅ 参考答案

import pandas as pd
import matplotlib.pyplot as plt

data = pd.Series(
    {"Python 数据分析入门": 340, "AI 提示词工程实战": 520,
     "Excel 到 pandas 迁移": 180, "机器学习数学基础": 95,
     "LLM 应用开发": 410}
)

ranked = data.sort_values()          # barh 从下往上画，升序排让最大值在顶部
fig, ax = plt.subplots(figsize=(6, 3))
ax.barh(ranked.index, ranked.values)
ax.set_title("各课程报名人数")

小细节：barh 自下而上画，所以升序排完，最大值恰好落在最上面——横向排行榜的惯用手法。

练习 3：一条龙（挑战）

从原始订单出发：groupby 算出各产品销售额占比 → 用饼图呈现（带百分比标注）。想想为什么这份数据适合饼图。

Python

import pandas as pd
import matplotlib.pyplot as plt

raw = """order_id,product,amount
1001,键盘,299
1002,鼠标,178
1003,显示器,1599
1004,键盘,897
1005,鼠标,89
1006,键盘,598"""
with open("orders.csv", "w", encoding="utf-8") as f:
  f.write(raw)
df = pd.read_csv("orders.csv")

# 你的代码写在下面

✅ 参考答案

import pandas as pd
import matplotlib.pyplot as plt

raw = """order_id,product,amount
1001,键盘,299
1002,鼠标,178
1003,显示器,1599
1004,键盘,897
1005,鼠标,89
1006,键盘,598"""
with open("orders.csv", "w", encoding="utf-8") as f:
    f.write(raw)
df = pd.read_csv("orders.csv")

by_product = df.groupby("product")["amount"].sum()

fig, ax = plt.subplots(figsize=(4.5, 4.5))
ax.pie(by_product.values, labels=by_product.index, autopct="%1.0f%%", startangle=90)
ax.set_title("各产品销售额占比")

适合饼图的理由：只有 3 个类别、问题是"构成"——两个条件都踩在饼图的舒适区里。

📝 随堂测验

随堂测验0 / 5 题正确

1. fig, ax = plt.subplots() 里 fig 和 ax 的分工是？

2. 同一坐标系画两条线并让读者分清谁是谁，需要？

3. 类别名很长的排名数据，更好的画法是？

4. 画柱状图前先 sort_values 排序，是为了？

5. groupby 的结果（Series）怎么接到 ax.bar 上？

本课小结

心智模型：fig 画框、ax 画纸；fig, ax = plt.subplots(figsize=(宽, 高)) 是标准起手式
三图默写：ax.plot（多线配 label+legend）、ax.bar/barh（先排序，名长换横向）、ax.pie（labels+autopct+startangle）
pandas 直连：groupby 结果的 .index 当 x、.values 当 y——分析到图一条龙
图会自动显示在输出区，不用 plt.show()

图能画出来了，但"能看"不等于"能见人"。下一课学装裱：标题、轴标签、配色、导出——把图修到能进周报。

划选正文任意文字可高亮、批注或加入复习卡

讨论

载入中…