pandas.read_sql是最轻量可控的sql数据读取方式，支持参数化查询防注入、自动dtype对齐、chunksize流式读取，并直接返回dataframe供matplotlib/seaborn绘图。
直接用 pandas 读取 SQL 结果，再交给 matplotlib 或 seaborn 绘图，是最轻量、最可控的方式；绕开 BI 工具或 Web 框架能避免权限、部署、跨域等一堆隐性问题。
用 pandas.read_sql 安全拉取数据，别手写连接循环
手动 cursor.execute + fetchall 再转 DataFrame 容易漏处理空值、类型错位（比如 PostgreSQL 的 timestamp with time zone 被当字符串）、列名大小写不一致。而 pandas.read_sql 自动对齐 dtype，且支持参数化查询防注入：
- 必须传
con（数据库连接对象），不是 URL 字符串；URL 需先用sqlalchemy.create_engine包一层 - 查询语句里用
:param占位（SQLite）或%s（MySQL/PostgreSQL），再通过params=...传值，别用 f-string 拼接 - 如果 SQL 含多个语句（如带
SET或 CTE 前置），read_sql会报ProgrammingError；拆成单条 SELECT
图表类型选错比代码写错更难调试
同一份数据，plt.plot() 和 sns.barplot() 渲染逻辑完全不同：前者认 x/y 是数组索引，后者默认按 data 的列名分组统计。常见误用：
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
- 想画「每月销售额柱状图」，但用了
plt.plot(df['month'], df['sales'])—— 这实际是折线图，且若month是字符串，x 轴会乱序；应改用sns.barplot(x='month', y='sales', data=df) - 数值列含 NaN 时，
plt.hist()直接报错，而sns.histplot()默认跳过；需提前df.dropna(subset=['col'])或设na_filter=False - 中文标签显示为方块？不是字体问题，是
matplotlib默认不支持 UTF-8 路径；加两行：plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans']和plt.rcParams['axes.unicode_minus'] = False
保存图表时路径和格式不声明清楚，脚本就只在本地跑得通
plt.show() 在服务器或 CI 环境会卡住进程，必须用 plt.savefig()；但以下细节常被忽略：
- 路径用
os.path.join('output', 'report.png')，别写死'output/report.png'—— Windows 和 Linux 路径分隔符不同 - PNG 透明背景在深色 PPT 里发灰，PDF 矢量图又不能直接发微信；建议同时存两种：
plt.savefig('chart.pdf', format='pdf')和plt.savefig('chart.png', dpi=300, bbox_inches='tight') - 如果图表含中文，PDF 里文字可能消失；加
plt.rcParams['pdf.fonttype'] = 42（启用 TrueType）
真正麻烦的不是画出图，而是当 SQL 返回 50 万行、100 列时，pandas.read_sql 默认把整张表加载进内存，seaborn 又试图对每列算分布——这时候得切片查、分组聚合、甚至换用 plotly 的 WebGL 渲染模式。但那是另一个问题了。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
