Matplotlib统计图绘制实战：中文乱码与子图布局排查

脚本专家

数据预处理跑通之后，最终要把结论用图讲清楚。本文围绕 Python 的 matplotlib，把常用统计图逐个画一遍，代码直接给，参数逐个解释，重点放在函数参数、调用方式和容易踩的坑上。这套内容适合做数据分析报表、技术方案和业务汇报时直接复用。

一、选型与底层概念

绘图库不少，seaborn、plotly、pyecharts 都能出图，但 matplotlib 仍然绕不开。原因是 Python 生态里大量绘图工具底层依赖它：seaborn 底层是 matplotlib，pandas 的 plot 方法底层也是 matplotlib，很多高级封装库的源码最后调用的还是 matplotlib 的 API。把 matplotlib 搞明白，后面迁移到封装库不会慌。

matplotlib 默认样式不算好看，但坐标轴、刻度、图例、标注都能精确控制，学术论文和技术报告里的出图质量经过长期检验。如果做 Dashboard 或强交互图表，plotly 和 pyecharts 更合适；做探索性分析、快速出图、批量生成报表，matplotlib 依然最顺手。

环境准备：

2. pip install matplotlib numpy

复制代码

numpy 建议一起装，生成数据、算统计量都离不开它。导入方式固定成：

2. import matplotlib.pyplot as plt
3. import numpy as np

复制代码

最小可运行脚本，也叫“三行出图法”：

2. plt.figure(figsize=(8, 5))
3. plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
4. plt.show()

复制代码

这段代码把绘图核心流程跑通了：先铺画布 figure，再动笔 plot，最后展示或保存 show/savefig。

但复杂布局时，pyplot 全局接口就不够用了。需要理解 Figure 和 Axes：Figure 是整张画布，Axes 是画布上的一块绘图区域。Figure 像书桌，Axes 像铺在书桌上的纸，一张书桌可以铺好几张纸（subplots），每张纸上画不同内容，纸张也可以大小不一、位置不同（GridSpec）。

推荐从一开始就用面向对象写法：

2. fig, ax = plt.subplots(figsize=(8, 5))
3. ax.plot([1, 2, 3, 4], [1, 4, 9, 16])
4. ax.set_title('折线图示例')
5. ax.set_xlabel('X轴')
6. ax.set_ylabel('Y轴')
7. plt.show()

复制代码

plt.subplots() 返回 fig 和 ax 两个对象，后续操作都通过 ax 调用。画子图时，这种写法的可读性和可扩展性明显高于全局接口。

二、折线图：趋势数据

折线图用来展示数据随时间或其他连续变量的变化趋势，业务里常见于日访问量、周销售额、月用户增长。

基础版：

2. import matplotlib.pyplot as plt
3. import numpy as np
5. # 模拟一周的日访问量数据
6. days = np.arange(1, 8)
7. visits = [320, 450, 390, 510, 680, 720, 850]
9. fig, ax = plt.subplots(figsize=(8, 5))
10. ax.plot(days, visits, marker='o', linewidth=2, color='#2E86AB')
11. ax.set_title('一周访问量趋势', fontsize=14)
12. ax.set_xlabel('日期（周一~周日）')
13. ax.set_ylabel('访问量')
14. ax.grid(True, linestyle='--', alpha=0.6)
15. plt.show()

复制代码

参数说明：marker='o' 给每个数据点加圆点标记；linewidth=2 控制线条粗细；color 接受十六进制颜色码；ax.grid(True) 打开网格线，实际报表里网格线能明显提升可读性，初学者容易忽略。

多线对比：

2. months = np.arange(1, 13)
3. sales_2024 = [8.2, 9.1, 8.8, 10.2, 11.5, 12.1, 11.8, 13.2, 14.5, 15.1, 14.8, 16.2]
4. sales_2025 = [9.0, 9.8, 10.5, 11.2, 12.8, 13.5, 14.2, 15.8, 16.5, 17.2, 18.1, 19.5]
6. fig, ax = plt.subplots(figsize=(10, 5))
7. ax.plot(months, sales_2024, marker='s', label='2024年', linewidth=2)
8. ax.plot(months, sales_2025, marker='^', label='2025年', linewidth=2)
9. ax.set_title('近两年月度销售额对比')
10. ax.set_xlabel('月份')
11. ax.set_ylabel('销售额（万元）')
12. ax.legend()
13. ax.grid(True, linestyle='--', alpha=0.5)
14. plt.show()

复制代码

多条折线对比时 legend() 必须有，否则分不清哪条线对应哪组数据。两条线数值范围差距大时可以考虑双 Y 轴，但能用单 Y 轴尽量用单 Y 轴，双 Y 轴容易误导读者。

标注最大值点：

2. max_idx = np.argmax(sales_2025)
3. ax.annotate(f'峰值: {sales_2025[max_idx]}万',
4.             xy=(months[max_idx], sales_2025[max_idx]),
5.             xytext=(months[max_idx]+0.5, sales_2025[max_idx]-2),
6.             arrowprops=dict(arrowstyle='->', color='gray'))

复制代码

annotate 的核心参数是 xy（被标注的点）和 xytext（标注文字位置），arrowprops 控制箭头样式。做汇报时这个操作很加分，关键结论一眼可见。

三、柱状图：分类对比

柱状图展示分类数据的数值对比，比如不同产品销量、不同部门预算、不同渠道转化率。它和折线图的区别在于：折线图强调连续变化，柱状图强调离散对比。

基础垂直柱状图：

2. categories = ['产品A', '产品B', '产品C', '产品D', '产品E']
3. sales = [120, 95, 150, 80, 135]
5. fig, ax = plt.subplots(figsize=(8, 5))
6. bars = ax.bar(categories, sales, color='#3D8B7B', edgecolor='white')
7. ax.set_title('各产品销售额对比')
8. ax.set_xlabel('产品类别')
9. ax.set_ylabel('销售额（万元）')
11. # 添加数值标签
12. for bar in bars:
13.     height = bar.get_height()
14.     ax.text(bar.get_x() + bar.get_width()/2., height + 2,
15.             f'{height}', ha='center', va='bottom', fontsize=11)
17. plt.show()

复制代码

柱顶显示数值是高频需求。关键是定位：bar.get_x() + bar.get_width()/2 得到柱子水平中心，height + 2 略高于柱子顶部，ha='center' 水平居中，va='bottom' 垂直底部对齐。

分组柱状图：

2. quarters = ['Q1', 'Q2', 'Q3', 'Q4']
3. product_a = [30, 35, 40, 45]
4. product_b = [25, 30, 35, 40]
5. product_c = [20, 25, 30, 35]
7. x = np.arange(len(quarters))
8. width = 0.25  # 柱子宽度
10. fig, ax = plt.subplots(figsize=(10, 6))
11. bars1 = ax.bar(x - width, product_a, width, label='产品线A')
12. bars2 = ax.bar(x, product_b, width, label='产品线B')
13. bars3 = ax.bar(x + width, product_c, width, label='产品线C')
14. ax.set_xticks(x)
15. ax.set_xticklabels(quarters)
16. ax.set_title('各产品线季度销售额对比')
17. ax.set_ylabel('销售额（万元）')
18. ax.legend()
19. ax.grid(axis='y', linestyle='--', alpha=0.5)
20. plt.show()

复制代码

分组柱状图关键在位置计算：三组柱子分别放在 x - width、x、x + width，每根宽度为 width。三根柱宽之和 0.75 不能超过组间距 1，否则会重叠。刻度位置用 ax.set_xticks(x)，再用 set_xticklabels 替换成分类名。grid(axis='y') 只显示横向网格线，避免纵向网格线把柱状图弄乱。柱子超过 10 根时，横向柱状图 ax.barh 往往比垂直柱状图更合适，分类名称有更多水平空间。

堆积柱状图适合“总量+构成”：

2. fig, ax = plt.subplots(figsize=(10, 6))
3. ax.bar(quarters, product_a, label='产品线A')
4. ax.bar(quarters, product_b, bottom=product_a, label='产品线B')
5. ax.bar(quarters, product_c, bottom=np.array(product_a)+np.array(product_b), label='产品线C')
6. ax.set_title('各季度销售额堆积图')
7. ax.legend()
8. plt.show()

复制代码

核心参数是 bottom，决定当前系列从哪个高度开始画。第二个系列的 bottom 是第一个系列的数据，第三个系列的 bottom 是前两个系列之和。bottom 接收数组，所以要做数组加法。

四、饼图与环形图

饼图展示整体中各部分占比，但有严格限制：类别不要超过 5 到 6 个，类别一多就没法看。

基础饼图：

2. channels = ['自然搜索', '直接访问', '社交媒体', '付费广告', '外部链接']
3. traffic = [3500, 2000, 1500, 1000, 500]
5. fig, ax = plt.subplots(figsize=(7, 7))
6. wedges, texts, autotexts = ax.pie(
7.     traffic, labels=channels, autopct='%1.1f%%',
8.     explode=[0.05, 0, 0, 0, 0],
9.     shadow=False, startangle=90,
10.     colors=['#4C72B0', '#55A868', '#C44E52', '#8172B2', '#CCB974']
11. )
12. ax.set_title('各渠道流量占比')
13. plt.show()

复制代码

参数逐个说：autopct='%1.1f%%' 在扇区内部显示百分比并保留一位小数；explode 控制扇区分离程度，数值越大离圆心越远，适合突出重点类别；startangle=90 把起始角度设为从 12 点钟方向开始；shadow 建议保持 False，默认阴影在正式文档里不够干净。

占比很小的类别可以合并成“其他”类。原文的处理思路是按阈值遍历 channels 和 traffic，把低于阈值的类别数值累加，标签换成“其他”，再重新传给 ax.pie。外部链接只有 500，占比不到 7%，单独展示意义不大，合并后图例不会密密麻麻。

环形图更实用。环形图就是中间挖空的饼图，留白处可以放总数、标题或关键指标。matplotlib 里通过 wedgeprops 实现：

2. fig, ax = plt.subplots(figsize=(7, 7))
3. wedges, texts, autotexts = ax.pie(
4.     traffic, labels=channels, autopct='%1.1f%%',
5.     startangle=90,
6.     wedgeprops=dict(width=0.4, edgecolor='white')
7. )
8. ax.text(0, 0, f'总流量\n{sum(traffic)}', ha='center', va='center', fontsize=16)
9. plt.show()

复制代码

wedgeprops=dict(width=0.4) 是关键，把扇区宽度限制为半径的 40%，中间就空了。再用 ax.text(0, 0, ...) 把总流量写在圆心。汇报时比普通饼图好看，还能多传递一个关键数字。

五、散点图：变量关系

散点图用于探索两个连续变量的关系，一眼看出相关性、聚类趋势和异常点，比如广告投入与销售额、用户年龄与消费金额。

基础散点图：

2. np.random.seed(42)
3. ad_spend = np.random.uniform(10, 50, 60)
4. sales = 3.5 * ad_spend + np.random.normal(0, 10, 60)
6. fig, ax = plt.subplots(figsize=(8, 6))
7. ax.scatter(ad_spend, sales, alpha=0.7, edgecolors='white', linewidth=0.5)
8. ax.set_title('广告投入与销售额关系')
9. ax.set_xlabel('广告投入（千元）')
10. ax.set_ylabel('销售额（万元）')
11. plt.show()

复制代码

alpha=0.7 控制点的透明度，数据点多时必须加透明度，否则重叠区域黑压压一片。edgecolors='white' 给点加白色描边，便于区分重叠点的边界。

气泡图把第三个维度映射到点的大小和颜色：

2. population = np.random.uniform(5, 30, 60)  # 人群规模
4. fig, ax = plt.subplots(figsize=(9, 7))
5. scatter = ax.scatter(
6.     ad_spend, sales,
7.     s=population * 20,   # 点大小映射人群规模
8.     c=population,        # 颜色也映射人群规模
9.     cmap='viridis',
10.     alpha=0.6, edgecolors='white', linewidth=0.5
11. )
12. cbar = plt.colorbar(scatter, ax=ax)
13. cbar.set_label('人群规模（万人）')
14. ax.set_title('广告投入、销售额与人群规模气泡图')
15. ax.set_xlabel('广告投入（千元）')
16. ax.set_ylabel('销售额（万元）')
17. plt.show()

复制代码

c=population 控制颜色值，cmap='viridis' 指定色带，plt.colorbar(scatter, ax=ax) 添加颜色条。x 轴、y 轴、点大小、点颜色四个维度同时展示，信息量明显增加。

叠加趋势线用 numpy 线性拟合：

2. coef = np.polyfit(ad_spend, sales, 1)
3. poly = np.poly1d(coef)
4. x_line = np.linspace(ad_spend.min(), ad_spend.max(), 50)
5. ax.plot(x_line, poly(x_line), color='red', linewidth=2, linestyle='--',
6.         label=f'趋势线 y={coef[0]:.2f}x+{coef[1]:.1f}')
7. ax.legend()

复制代码

np.polyfit(x, y, 1) 做一阶多项式拟合，返回斜率和截距；np.poly1d(coef) 生成拟合函数。趋势线能直观反映两个变量之间的整体关系方向和相关强度。

六、直方图：分布形态

直方图不是柱状图，它展示单个连续变量的分布，横轴是变量取值范围分成的区间 bin，纵轴是区间内样本数量。

基础直方图：

2. np.random.seed(10)
3. ages = np.random.normal(35, 10, 1000)
4. ages = np.clip(ages, 18, 68)
6. fig, ax = plt.subplots(figsize=(9, 6))
7. ax.hist(ages, bins=30, edgecolor='white', color='#6B8EAD', alpha=0.8)
8. ax.set_title('用户年龄分布')
9. ax.set_xlabel('年龄')
10. ax.set_ylabel('人数')
11. plt.show()

复制代码

bins=30 把年龄范围分成 30 个区间。bins 选择是直方图最容易出问题的地方：太小，分布细节被抹平；太大，噪声太大看不出形状。经验是数据量 1000 左右时 bins 取 20 到 30 比较合适，数据量更大时适当增加。不确定时可以先不传 bins，让 matplotlib 自动计算，再微调。

加 density=True 就变成分布密度图：

2. ax.hist(ages, bins=30, density=True, edgecolor='white', color='#6B8EAD', alpha=0.7)

复制代码

纵轴从“人数”变成“概率密度”，直方图面积之和为 1。对比两组数量级不同的数据时特别有用，比如男女年龄分布：

2. male_ages = np.random.normal(32, 8, 800)
3. female_ages = np.random.normal(38, 9, 500)
5. fig, ax = plt.subplots(figsize=(9, 6))
6. ax.hist(male_ages, bins=30, density=True, alpha=0.6, label='男性', color='#4C72B0')
7. ax.hist(female_ages, bins=30, density=True, alpha=0.6, label='女性', color='#C44E52')
8. ax.legend()
9. ax.set_title('男女年龄分布密度对比')
10. plt.show()

复制代码

两个分布叠加对比时，alpha 透明度必须有，否则后面的分布会被完全遮住。

要更平滑地展示分布形态，可以叠加核密度估计曲线，需要 scipy：

2. from scipy.stats import gaussian_kde
4. kde_male = gaussian_kde(male_ages)
5. kde_female = gaussian_kde(female_ages)
6. x_range = np.linspace(min(male_ages.min(), female_ages.min()),
7.                       max(male_ages.max(), female_ages.max()), 200)
8. ax.plot(x_range, kde_male(x_range), color='#4C72B0', linewidth=2, label='男性密度曲线')
9. ax.plot(x_range, kde_female(x_range), color='#C44E52', linewidth=2, label='女性密度曲线')

复制代码

gaussian_kde 基于样本数据拟合平滑的概率密度函数。和直方图相比，密度曲线更平滑、更稳定，不依赖 bins 的选择。

七、箱线图：分布特征浓缩

箱线图用紧凑形式展示分布特征，一张图包含五个关键统计量：最小值（下须）、第一四分位数 Q1、中位数 Q2、第三四分位数 Q3、最大值（上须），以及异常值。

基础箱线图：

2. np.random.seed(5)
3. region_a = np.random.normal(200, 40, 100)
4. region_b = np.random.normal(180, 60, 100)
5. region_c = np.random.normal(220, 30, 100)
6. data = [region_a, region_b, region_c]
8. fig, ax = plt.subplots(figsize=(8, 6))
9. bp = ax.boxplot(data, labels=['华东区', '华南区', '华北区'], patch_artist=True)
10. ax.set_title('不同区域门店订单金额分布')
11. ax.set_ylabel('订单金额（元）')
13. # 设置箱体填充颜色
14. colors = ['#4C72B0', '#55A868', '#C44E52']
15. for patch, color in zip(bp['boxes'], colors):
16.     patch.set_facecolor(color)
17.     patch.set_alpha(0.7)
19. plt.show()

复制代码

箱线图解读：箱子底部是 Q1，顶部是 Q3，箱内横线是中位数。箱子高度 IQR = Q3 - Q1 代表数据集中程度，箱子越矮越集中。上下须线延伸到数据边界，超出须线范围的点通常是 Q3 + 1.5*IQR 以上或 Q1 - 1.5*IQR 以下，作为异常值单独显示。

patch_artist=True 很多人不知道，matplotlib 默认箱线图不填充颜色，只有白色背景。要彩色填充必须设为 True，再通过 bp['boxes'] 拿到箱体对象逐一设置。

箱线图是多组数据分布对比的好选择。三个区域订单金额如果用直方图叠加会乱，箱线图并排摆放，中位数和异常值一目了然。

扩展形式是小提琴图，把箱线图和密度图结合：

2. fig, ax = plt.subplots(figsize=(8, 6))
3. vp = ax.violinplot(data, positions=[1, 2, 3], showmeans=True, showmedians=True)
4. ax.set_xticks([1, 2, 3])
5. ax.set_xticklabels(['华东区', '华南区', '华北区'])
6. ax.vlines([1, 2, 3], min(np.min(d) for d in data), max(np.max(d) for d in data),
7.           linestyle='--', alpha=0.3)

复制代码

小提琴图“身子”越胖的地方代表该数值区间样本越多，能看出分布是单峰还是双峰，信息比箱线图更丰富。

八、热力图：矩阵数据

热力图适合矩阵类数据，比如变量间相关性矩阵、地域数据分布、时间序列热度表。matplotlib 里实现热力图有两种方案：imshow 和 pcolormesh，原文推荐用 imshow 配合色带，写法更简单。

九、常见问题

原文在后续章节列出了几类高频问题，值得在写绘图代码时提前留意：

中文显示乱码或方框。matplotlib 默认字体不含中文字形，涉及中文标题、坐标轴标签、图例时需要做全局字体配置。

刻度标签重叠与布局混乱。分类名称长、子图数量多时容易出现，需要调整刻度显示方式或布局参数。

保存的图片模糊或背景不对。与 savefig 的参数选择、输出格式有关，原文在“保存图片的参数选择与格式对比”一节中展开。

数据量大时绘图卡顿。散点图、直方图样本量很大时性能下降明显。

读取数据时类型不对导致绘图失败。从文件读入的数据如果被识别成字符串，绘图时就会报错，需要在绘图前检查 dtype。

结语

matplotlib 的默认样式一般，但胜在坐标轴、刻度、图例、标注都能精确控制。把 Figure 和 Axes 的概念理顺，记住折线图的 marker/linewidth/grid、柱状图的数值标签定位和分组位置计算、饼图的 autopct/explode/wedgeprops、散点图的 alpha/colorbar/polyfit、直方图的 bins/density/kde、箱线图的 patch_artist 和 IQR 判定，常用统计图基本都能覆盖。后续把它封装成绘图模板，批量出报表时复用即可。