Python 数据可视化

使用 Python 主流库创建专业级图表、图形与统计可视化效果。

常用库及适用场景

matplotlib —— 静态图表，出版级质量，完全可控

• 柱状图、折线图、散点图、饼图、直方图、热力图
• 多面板图表、子图（subplots）
• 自定义样式与注释
• 导出格式：PNG、SVG、PDF

seaborn —— 统计可视化，开箱即用的美观默认样式

• 分布图（小提琴图、箱线图、核密度估计 KDE、直方图）
• 分类图（柱状图、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 clustermap）
• 基于 matplotlib 构建，无缝集成

plotly —— 交互式图表，适用于 Web 环境

• 悬停提示（hover tooltips）、缩放（zoom）、平移（pan）
• 3D 图表、动画支持
• 通过 Dash 框架构建仪表盘（Dashboards）
• 导出格式：HTML、PNG（需安装 kaleido）

快速上手

配置运行环境

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

创建一个图表

import matplotlib.pyplot as plt
import numpy as np

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

# 绘图
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()

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

图表选型指南

分布/统计类：

• 直方图 → plt.hist() 或 sns.histplot()
• 箱线图 → sns.boxplot()
• 小提琴图 → sns.violinplot()
• 核密度估计（KDE）→ sns.kdeplot()

对比类：

• 柱状图 → plt.bar() 或 sns.barplot()
• 分组柱状图 → sns.barplot(hue=...)
• 横向柱状图 → plt.barh() 或 sns.barplot(orient='h')

关系类：

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

热力图类：

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

交互式图表：

• 任意 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))  # 宽 × 高（英寸）
plt.savefig('output.png', dpi=300)  # 出版用途：300 dpi；Web 显示：72–150 dpi

2. 配色方案

# Seaborn 配色方案（亦兼容 matplotlib）
import seaborn as sns
sns.set_palette("husl")  # 色彩丰富
sns.set_palette("muted")  # 柔和
sns.set_palette("deep")  # 鲜明有力

# 自定义颜色
colors = ['#667eea', '#764ba2', '#f6ad55', '#4299e1']

3. 样式设置

# 即使使用 matplotlib，也可采用 seaborn 样式
import seaborn as sns
sns.set_theme()  # 更优的默认配置
sns.set_style("whitegrid")  # 可选项：whitegrid、darkgrid、white、dark、ticks

# 或直接使用 matplotlib 内置样式
plt.style.use('ggplot')  # 可选项：ggplot、seaborn、bmh、fivethirtyeight

4. 多子图布局

fig, axes = plt.subplots(2, 2, figsize=(12, 10))
axes[0, 0].plot(x, y1)
axes[0, 1].plot(x, y2)
# ……
plt.tight_layout()  # 防止标签重叠

5. 导出格式选择

# PNG：适合分享与嵌入（位图）
plt.savefig('chart.png', dpi=300, bbox_inches='tight', transparent=False)

# SVG：适合编辑与无损缩放（矢量图）
plt.savefig('chart.svg', bbox_inches='tight')

# Plotly（交互式图表）
import plotly.express as px
fig = px.scatter(df, x='col1', y='col2')
fig.write_html('chart.html')

进阶主题

详见 references/ 目录下的详细指南：

• 色彩理论与配色方案：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

详见 scripts/ 目录中开箱即用的示例：

• scripts/bar_chart.py —— 柱状图与分组柱状图
• scripts/line_chart.py —— 多序列折线图
• scripts/scatter_plot.py —— 带回归线的散点图
• scripts/heatmap.py —— 相关性热力图
• scripts/distribution.py —— 直方图、KDE、小提琴图
• scripts/interactive.py —— Plotly 交互式图表

常见模式

从 CSV 加载数据

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

# 使用 pandas 内置绘图（底层调用 matplotlib）
df.plot(x='date', y='value', kind='line', figsize=(10, 6))
plt.savefig('output.png', dpi=300)

# 或使用 seaborn 实现更优视觉效果
sns.lineplot(data=df, x='date', y='value')
plt.savefig('output.png', dpi=300)

字典格式数据

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

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

# Seaborn 方式（需转为 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 数组数据

import numpy as np

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

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

故障排查

“No module named matplotlib”

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

输出为空 / “Figure is empty”

• 确认 plt.savefig() 在所有绘图命令执行之后调用
• 开发调试时可使用 plt.show() 查看交互式窗口

坐标轴标签被截断

plt.tight_layout()  # 在 plt.savefig() 前添加
# 或者
plt.savefig('output.png', bbox_inches='tight')

导出图像分辨率过低

plt.savefig('output.png', dpi=300)  # 不要使用 72 或 100

运行环境

该技能已预置含全部依赖的虚拟环境（venv），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）