写过几篇数据分析系列之后这次聊聊Matplotlib。在 pandas 里处理数据只是开胃菜真正让人头疼也让人上头的是怎么把数据讲清楚。而Matplotlib就是 Python 数据分析生态里最基础、也最绕不开的那张画布。这一篇面向正在做数据分析、或者刚学完 pandas 准备开始可视化的人也适合那些用Matplotlib画了几张图但总感觉哪里不对劲的朋友。我尽量不重复官方文档而是把这几年代码里踩过的坑、整理过的套路直接拿出来说。1. Matplotlib 在整个数据分析流程里的位置1.1 为什么要专门学这个库很多人一开始会用 Excel 或者 BI 工具拖拖拽拽但只要你开始写 PythonMatplotlib基本就是绕不过去的存在。它的核心逻辑很简单你告诉它数据在哪里、以什么形状画出来、用什么颜色和样式它负责把这张图渲染给你看。它本身不关心数据是怎么来的也不关心你后面要做什么建模它只解决可视化这一件事。说句实在话Matplotlib的学习曲线不算陡但容易让人困惑的是它的 API 有点老派。它不像plotly那样链式调用、交互友好也不像seaborn那样自带统计图表模板。它更像一支画笔所有细节都得你自己控制好处是自由度极高坏处是新手容易面对一张空白 figure 发呆。1.2 它解决了什么问题数据分析里最常见的痛点有三个Matplotlib都能帮你顶住探索性分析拿到一批数据之后画个直方图、散点图、箱线图快速看分布、看离群点、看相关性。这一步最常用的就是matplotlib.pyplot里的基础绘图函数。结果呈现模型做完了、报表要出了需要把趋势、占比、对比关系画得清楚明白。Matplotlib的定制能力强适合做最终交付图。中间过程检查清洗数据的时候需要确认有没有空值、重复值、异常值画图比打印info()直观得多。2. 核心概念与绘图流程拆解2.1 先理解 figure、axes 和 axis 的区别这是Matplotlib最容易绊倒新手的地方。很多报错都源于搞混了这三个东西。figure相当于一张空白画纸。它承载整个绘图区域可以包含一个或多个子图。axes实际绘图的坐标区包含 x 轴、y 轴、标题、刻度、图例等。一个figure可以放多个axes。axis指的是坐标轴本身对应 x 轴或 y 轴的对象。用代码来说就清晰了。最传统的方式是plt.plot(x, y)这种全局状态方式在写小脚本时很方便但一旦画多子图就容易乱。我强烈建议养成显式创建figure和axes的习惯import matplotlib.pyplot as plt fig, ax plt.subplots(figsize(10, 6)) ax.plot([1, 2, 3], [4, 5, 6]) ax.set_title(示例)这样做的好处是后续所有操作都是针对ax这个坐标区进行的不会出现咦我明明设置了标题怎么没生效的灵异事件。实际上用plt.plot的时候Matplotlib也会隐式创建一个figure和axes但你自己看不到那个句柄想修改就不方便。2.2 基本绘图流程的五个步骤我习惯把一次完整的绘图拆成五步准备数据明确 x、y 是什么类型是 list、numpy 数组还是 pandas 的 Series。创建画布fig, ax plt.subplots()顺便把figsize调好。调用绘图函数plot、scatter、bar、hist等。定制细节标题、坐标轴标签、刻度、图例、颜色、网格线。展示或保存plt.show()或fig.savefig()。举个例子我正在做一个白酒销售数据的可视化项目需要对比不同区域每月的销售额趋势。我会这样做import pandas as pd import matplotlib.pyplot as plt df pd.read_excel(sales.xlsx) grouped df.groupby([区域, 月份])[销售额].sum().unstack() fig, ax plt.subplots(figsize(12, 6)) for region in grouped.index: ax.plot(grouped.columns, grouped.loc[region], labelregion) ax.set_xlabel(月份) ax.set_ylabel(销售额万元) ax.set_title(白酒销售分区域趋势) ax.legend() ax.grid(alpha0.3) plt.tight_layout() plt.show()这里推荐plt.tight_layout()一定加上它能自动调整子图间距避免标题被截断。不加上也没报错但导出 PNG 时经常发现标签被切掉一半十分尴尬。3. 常用图表的适用场景与核心参数3.1 折线图、柱状图、直方图怎么选图表选型直接影响信息传达效率。折线图适合展示时间序列的连续变化比如网约车订单量按小时的走势柱状图适合对比几个类别的离散数值比如电商各仓库的快递费用分布直方图适合观察单个数值变量的分布形态比如订单金额集中在什么区间。用Matplotlib画折线图和柱状图的代码差异不大关键是参数细节。画柱状图时多组对比要设置bar width和x偏移import numpy as np categories [A区, B区, C区] x np.arange(len(categories)) values_2024 [120, 150, 98] values_2025 [135, 160, 110] fig, ax plt.subplots(figsize(8, 5)) bar_width 0.35 ax.bar(x - bar_width/2, values_2024, widthbar_width, label2024年) ax.bar(x bar_width/2, values_2025, widthbar_width, label2025年) ax.set_xticks(x) ax.set_xticklabels(categories) ax.legend()有个很实用的细节set_xticks和set_xticklabels分开设置。前者控制刻度线的位置后者控制显示的文字。如果只设置文字不设置位置在刻度数量多的时候可能会错位。3.2 散点图、箱线图在探索性分析中的价值做商业数据分析时我经常先用散点图看两个数值变量的关系再用箱线图看某个分组下数值的分布。比如分析中药材价格数据想看产地和价格的关系箱线图比柱状图加误差棒更直观data_by_origin [df[df[产地] o][价格] for o in df[产地].unique()] fig, ax plt.subplots(figsize(10, 6)) ax.boxplot(data_by_origin, labelsdf[产地].unique()) ax.set_ylabel(价格元/公斤)箱线图能一次性暴露出中位数、四分位数、离群点我在做农产品的spark数据分析时也经常把它作为输出图表之一。因为spark计算出的聚合结果拿到 pandas 里最终还是要可视化Matplotlib照样派得上用场。3.3 多子图布局的技巧数据分析过程中经常需要把多个图表放在一张图里对比。subplots的nrows和ncols参数可以快速生成网格布局。但要注意多个子图共用坐标轴范围不一致时容易误导读者。最好的做法是显式设定每个子图的set_ylim或者在创建时传shareyTrue。fig, axes plt.subplots(1, 3, figsize(15, 5), shareyTrue)这样三张子图的 y 轴刻度完全一致对比起来就公平了。对于不共享坐标轴的子图我通常会在标题里标注清楚数值单位避免别人误读。4. 定制与美化颜色、样式、字体4.1 颜色体系怎么用才不刺眼Matplotlib的颜色指定方式有几种英文颜色名、十六进制、RGB 元组、内置 colormap。新手最容易犯的错是颜色太多太杂一张图里七八种颜色齐飞完全没有重点。我的经验是一张图最多三种主色剩余用深浅和透明度区分。比如用十六进制指定一组和谐配色colors [#4472C4, #ED7D31, #A5A5A5]这个色系是从 Office 默认配色里提取的相对稳重适合商务汇报。如果画热力图或者相关性矩阵直接使用 colormap 更高效fig, ax plt.subplots(figsize(8, 6)) im ax.imshow(corr_matrix, cmapRdYlBu_r, aspectauto) fig.colorbar(im, axax)cmap有很多选择RdYlBu_r是红-黄-蓝反转相关性为正偏红、为负偏蓝视觉上非常直觉。后缀_r代表反转如果你发现默认颜色方向和直觉相反记得加上它。4.2 中文字体乱码与缺失问题的根因Matplotlib默认字体对中文支持很差直接画图会出现一堆方框。这个问题几乎每个中文数据分析项目都会遇到。为什么会乱码因为默认字体是 DejaVu Sans它不包含中文字形渲染时找不到字形就用方框代替。解决办法是显式指定中文字体。Windows 系统一般用宋体或微软雅黑macOS 用 PingFang SC 或 Hiragino Sans GBLinux 服务器则要看有没有安装文泉驿或思源黑体。推荐使用font_manager查找系统字体import matplotlib.font_manager as fm font_path fm.findfont(fm.FontProperties(family[Microsoft YaHei]))更稳妥的办法是在脚本开头统一配置import matplotlib matplotlib.rcParams[font.sans-serif] [Microsoft YaHei] matplotlib.rcParams[axes.unicode_minus] False第二行axes.unicode_minus设置也很关键。坐标轴出现负号时如果不设置为 False负号可能显示不出来或者显示成方块。这个坑我印象很深排查了很久才发现是负号字体的问题。4.3 常用样式定制清单绘制最终交付图时我会逐个检查这些元素标题是否简洁、坐标轴标签是否含单位、刻度密度是否合适、图例是否遮挡数据、网格是否影响阅读。网格线建议用alpha0.3这样的低透明度既能辅助读数又不至于抢了数据线条的注意力。ax.spines[top].set_visible(False) ax.spines[right].set_visible(False)去掉上框线和右框线图会显得现代一些。这种样式在数据报告里很常见做起来也就两行代码的事。5. 与 pandas 结合的高效绘图5.1 直接用 DataFrame 绘图pandas 本身封装了plot方法其底层就是调用Matplotlib。df.plot(kindline)、df.plot(kindbar)这些写法在快速探索时很好使因为不需要显式传 x 和 yDataFrame 的列名自动变成标签和刻度。不过要注意df.plot返回的仍然是Axes对象你可以在后面继续定制df.groupby(类别)[销售额].sum().plot(kindbar, figsize(10, 5)) plt.title(各类别销售额汇总) plt.ylabel(销售额)这种方式适合脚本和临时分析。真正对外发布时我通常还是手动调用Matplotlib函数因为参数可控性更强不容易出现pandas 默认样式干扰业务需求的情况。5.2 典型练习场景用 pandas 清洗、用 Matplotlib 呈现最近在整理一个电商快递账单数据分析的需求原始数据是从物流平台导出的 CSV存在重复行和异常值。先清洗再按省份聚合最后画柱状图展示各省快递费占比import pandas as pd import matplotlib.pyplot as plt df_express pd.read_csv(express_bill.csv) df_express df_express.drop_duplicates() df_express[费用] pd.to_numeric(df_express[费用], errorscoerce) df_express df_express.dropna(subset[费用]) summary df_express.groupby(省份)[费用].sum().sort_values(ascendingFalse) fig, ax plt.subplots(figsize(12, 6)) ax.bar(summary.index, summary.values, color#4472C4) ax.set_xlabel(省份) ax.set_ylabel(快递费元) ax.set_title(电商快递费用省份分布) plt.xticks(rotation45) plt.tight_layout()plt.xticks(rotation45)这个参数务必记住。标签文字过长时如果不旋转中文省份名会重叠成黑压压一片基本没法看。你还可以用rotation90竖排或者调整ha对齐参数。6. 保存高质量图表与动画生成6.1 保存 PNG、PDF、SVG 的正确姿势保存图片时dpi参数直接决定清晰度。屏幕上看 100 dpi 就够但放到论文或报告里至少要 300 dpi。我常用的保存命令fig.savefig(output.png, dpi300, bbox_inchestight)bbox_inchestight会自动裁剪掉多余的白边避免图片四周大量空白。PDF 格式适合矢量图放大不模糊排版软件里也常用fig.savefig(output.pdf, formatpdf)SVG 格式适合网页端做缩放展示。如果在保存时发现中文字体变成了方块要么是字体配置没生效要么是目标环境缺少字体。6.2 将动画保存为 GIF 的制作细节数据可视化不只是静态图有时需要把趋势变化做成 GIF比如展示一年 12 个月白酒销售额的逐步变化。这里推荐matplotlib.animation.FuncAnimation。核心思路FuncAnimation接收一个更新函数这个函数每帧接收一个帧序号重新绘制当前帧的内容。保存 GIF 则依赖 pillow 库确保它已安装。import numpy as np import matplotlib.pyplot as plt from matplotlib.animation import FuncAnimation x np.linspace(0, 10, 200) y np.sin(x) fig, ax plt.subplots(figsize(8, 5)) line, ax.plot([], [], lw2) ax.set_xlim(0, 10) ax.set_ylim(-1.5, 1.5) def update(frame): line.set_data(x[:frame], y[:frame]) return line, anim FuncAnimation(fig, update, frameslen(x), interval20) anim.save(sine_wave.gif, writerpillow, dpi120)这里有个容易踩的细节line,这个逗号不能丢。ax.plot返回的是一个长度为 1 的列表直接接收line会把整个列表传进去后续调用set_data就会报列表对象没有 set_data 属性的错误。生成 GIF 时interval参数是每帧间隔的毫秒数。帧数太多、interval 太小产出的文件会很大帧数太少、interval 太大动画卡顿不流畅。我一般先设置frames控制总帧数再调interval到一个顺眼的速度。6.3 视频保存的额外补充如果需要保存 MP4 格式需要安装ffmpeg并配置好路径。相比 GIFMP4 体积小、画质高适合放到演示视频里。具体的 writer 参数这样写anim.save(output.mp4, writerffmpeg, fps30)某些环境下 ffmpeg 没加到系统 PATH会报MovieWriterNotFound错误这时候需要检查环境变量配置或者直接改用 GIF 格式绕过。7. 常见报错与排查记录7.1 matplotlib.font_manager 字体警告的完整处理热词里有matplotlib.font_manager相关报错实际场景大概是这样的代码运行时报出大量[warning] matplotlib.font_manager .....................类似日志看着很吓人但图还能画出来。这种警告的根本原因是Matplotlib启动时扫描系统字体库尝试找到可用的中文字体但当前环境下的字体列表不含预期字体或者字体缓存没过期于是反复提示缺少字形。处理方法分三步清空字体缓存删除用户目录下的matplotlib缓存文件夹。安装中文字体并刷新缓存Windows 直接安装字体即可Linux 需要把.ttf文件放到/usr/share/fonts/下然后执行fc-cache -fv。脚本里强制指定rcParams[font.sans-serif]并在绘图前调用matplotlib.rc_context检查。在spark集群上跑分析时节点往往没有中文字体最终的图如果由 driver 节点统一绘制一定要确保 driver 所在机器装了字体。这个坑在白酒销售数据分析和可视化项目里遇到过集群跑完数据本地绘图时突然中文字体全部变成方块最后就是在脚本顶部加了一行字体路径配置解决。7.2 绘图报错常见原因速查报错信息常见原因解决方向ValueError: x and y must have same first dimensionx 和 y 长度不一致检查数据清洗后的行数避免索引错位TypeError: unsupported operand type(s) for /列类型是字符串先用pd.to_numeric转数值型AttributeError: Line2D object has no property传入了不存在的参数确认参数名拼写比如linewidth不是line_widthKeyError: c图例或颜色参数冲突避免自定义颜色字段名与内部参数重名UserWarning: Starting a Matplotlib GUI outside of the main thread在非主线程里调用show把绘图放回主线程或用Agg后端保存文件ModuleNotFoundError: No module named tkinter环境缺少 GUI 支持改用matplotlib.use(Agg)保存图片7.3 我的排查流程遇到绘图报错我从来不会盯着终端反复看而是先拆分问题如果数据量很大先抽样几百条再画确认数据本身没问题。用print(df.dtypes)检查列类型很多画图错误都源于把字符串当数值。把plt.show()换成fig.savefig(test.png)能区分显示问题和渲染问题。看fig.get_axes()返回了几组坐标区确认是否不小心创建了多余的子图。这套流程帮我定位了大部分问题比反复重装库靠谱得多。8. 实际项目中 Matplotlib 的整合思路8.1 商业分析项目里的输出规范在我最近处理的白酒销售数据分析和可视化需求里最终交付物包括一张整体趋势图、一张分区域柱状图、一张库存堆积面积图。统一绘图风格非常关键plt.rcParams.update({ figure.figsize: (10, 5), font.sans-serif: [Microsoft YaHei], axes.titlesize: 16, axes.labelsize: 13, xtick.labelsize: 11, ytick.labelsize: 11, axes.grid: True, grid.alpha: 0.3, })这样后续每画一张图风格天然统一不用每一张都重复设置字体和尺寸。8.2 与时间序列数据的配合分析网约车订单数据、制造业生产数据这类带时间戳的数据时经常需要把日粒度聚合成小时、天、周再画折线图。pandas 的resample配合Matplotlib是无缝衔接的df[时间] pd.to_datetime(df[时间]) df.set_index(时间, inplaceTrue) weekly df[订单量].resample(W).sum() fig, ax plt.subplots(figsize(12, 5)) ax.plot(weekly.index, weekly.values, markero) ax.xaxis.set_major_formatter(matplotlib.dates.DateFormatter(%m-%d))日期刻度格式化那行特别有用。默认的日期刻度常常显示成2025-01-04 00:00:00这种冗长格式用DateFormatter格式化之后坐标轴变成01-04这种简明样式图表立即专业很多。8.3 数据分析项目实践中的产出节奏我一直建议先画粗糙的探索性图表再画精细的呈现性图表。前者图快可以直接用df.plot()后者用于交付需要认真调格式、配色、标签。不要在一开始就花大量时间调整颜色也许数据清洗完你的展示维度全变了之前的配色全白费。9. 实用工具箱与效率提升9.1 交互模式的开关plt.ion()开启交互模式plt.ioff()关闭。在 Jupyter 里跑数据分析时一般不开交互模式因为show之后图已经显示出来了再改代码重新运行即可。但在写桌面应用或循环绘图时交互模式能让你不断更新窗口里的图。plt.ion() for i in range(10): plt.clf() plt.plot(range(10), [j ** i for j in range(10)]) plt.pause(0.1)plt.pause(0.1)是给渲染器一点时间刷新画面。没有这一句动画效果基本看不出来。9.2 风格预设快速切换Matplotlib提供了plt.style.use()可以整体切换画风plt.style.use(ggplot)常用的还有seaborn-v0_8-whitegrid、fivethirtyeight。这些预设对快速出草稿很有帮助但正式交付时我一般还是会回到默认风格自己微调颜色和字体。9.3 画布对象生命周期意识代码一旦变长注意别把太多绘图逻辑塞进同一个for循环里。如果循环里每张图都调用plt.show()在非交互环境下会弹出一堆窗口非常难受。更合理的做法是循环里创建figure和axes绘制完之后savefig到不同文件最后统一查看图片文件。10. 最后几个忠告Matplotlib用久了你会发现它真正难的不是 API 记忆而是你脑子里清楚这张图要传达什么信息。我自己的体会是画图之前先问自己三个问题。第一这个数据的核心变化是什么第二读者最需要从图里获取什么第三颜色和布局会不会误导他们这些问题想清楚了再动手调代码效率反而更高。还有一个小技巧任何最终要交付的图保存之后我都习惯肉眼再看一眼生成的文件而不是只盯着屏幕里的预览。屏幕显示和实际文件在 DPI、字体渲染上有细微差别很多时候预览正常、导出就出问题这个习惯帮我避免过好几次返工。Matplotlib作为 Python 数据分析与可视化的基石它的稳定性和生态兼容性至今没有哪个库能完全替代。后面的文章我打算继续聊更上层的可视化封装库但你只要先把Matplotlib的这套思维框架搭起来后面再学别的可视化工具都会轻松很多。