Python 0基础 入门级 数据分析 5：matplotlib/seaborn 可视化

Python 数据分析 5：matplotlib/seaborn 可视化（画折线图 / 柱状图 / 热力图，调好看样式）

做数据分析时，“数据表格” 不如 “图表” 直观 —— 比如看 “每月销售额趋势”，表格里的数字需要逐个对比，而折线图一眼就能看出上升 / 下降；看 “各品类销量对比”，柱状图比数字罗列更易区分高低。matplotlib 是 Python 可视化的 “基础工具”，seaborn 在其基础上优化了样式，两者结合能画出既专业又好看的图表。

本文以电商 2024 年 Q1 销售数据为实战案例，手把手教你画 “折线图（趋势）、柱状图（对比）、热力图（关联）”，重点讲解 “样式优化技巧”（颜色、字体、布局），让你的图表从 “简陋” 变 “适合汇报”，新手也能轻松上手。

一、为什么需要数据可视化？（用业务场景说明）

假设我们有一份电商销售数据（延续上一篇分组统计的数据），包含 “月份、商品类别、地区、销售额、销量” 等字段。业务中常需要：

1. 看 “每月销售额变化”：判断旺季 / 淡季（用折线图，适合展示趋势）；
2. 比 “各品类总销量”：找出热销 / 滞销品类（用柱状图，适合展示对比）；
3. 分析 “地区 - 品类销售额分布”：看哪个地区哪个品类卖得好（用热力图，适合展示关联）。

这些需求用表格很难直观呈现，而可视化能 “一图胜千言”，甚至发现表格中隐藏的规律（比如 3 月家电销售额突增）。

二、环境准备与数据加载

1. 安装并导入库

seaborn 依赖 matplotlib，先安装再导入（已安装的可跳过）：

# 安装matplotlib（基础）和seaborn（美化） pip install matplotlib seaborn pandas numpy

import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns # 解决中文显示问题（新手必加，否则中文会变成方框） plt.rcParams["font.sans-serif"] = ["SimHei", "DejaVu Sans"]  # 支持中文和英文 plt.rcParams["axes.unicode_minus"] = False  # 解决负号显示问题 # 设置seaborn默认样式（自带美化，比matplotlib默认好看） sns.set_style("whitegrid")  # 白色网格背景，清晰不杂乱

2. 加载实战数据（延续上一篇的电商数据）

为保持连贯性，我们用分组统计后的 “结构化数据”（也可替换为你的实际数据）：

# 1. 构造/加载电商销售数据（含月份、品类、地区、销售额） # （如果有自己的数据，直接用pd.read_excel/pd.read_csv加载） data = {     "月份": ["2024-01", "2024-01", "2024-01", "2024-01",             "2024-02", "2024-02", "2024-02", "2024-02",             "2024-03", "2024-03", "2024-03", "2024-03"],     "商品类别": ["家电", "服装", "食品", "美妆"] * 3,     "地区": ["华北", "华东", "华南", "西部"] * 3,     "销售额（万元）": [35.6, 12.8, 8.5, 15.2, 42.3, 15.6, 9.8, 18.5, 51.2, 18.9, 11.2, 22.3],     "销量（件）": [120, 320, 850, 95, 145, 380, 920, 110, 180, 450, 1050, 130] } df = pd.DataFrame(data) # 2. 预处理：生成后续需要的汇总数据（避免重复计算） # 2.1 月度销售额汇总（折线图用） monthly_sales = df.groupby("月份")["销售额（万元）"].sum().reset_index() # 2.2 品类销量汇总（柱状图用） category_sales = df.groupby("商品类别")["销量（件）"].sum().sort_values(ascending=False).reset_index() # 2.3 地区-品类销售额透视表（热力图用） region_category_sales = df.pivot_table(     index="地区",     columns="商品类别",     values="销售额（万元）",     aggfunc="sum" ) # 查看数据是否准备好 print("