visualization — 数据可视化规范

本技能定义 matplotlib / seaborn 的可视化标准，保证图表清晰、规范、可直接交付。与 data-analysis（工作流）、pandas-3x（pandas 技巧）配合使用。

环境与字体（Windows 必读）

import matplotlib
matplotlib.use("Agg")                      # 无显示环境用 Agg 后端
import matplotlib.pyplot as plt
import seaborn as sns

# 中文字体：缺失时中文会变方块
plt.rcParams["font.sans-serif"] = ["Microsoft YaHei", "SimHei"]
plt.rcParams["axes.unicode_minus"] = False   # 负号不乱码

图表类型选择

交付规范（每条必须满足）

1. 标题：说明图内容与口径（如「月度营收趋势（2024）」）
2. 轴标签：含单位（金额（万元）、时间）
3. 图例：多系列必须有
4. 网格：数值型图表开 plt.grid(alpha=0.3) 便于读数
5. 保存：plt.savefig("out.png", dpi=200, bbox_inches="tight")，PNG 交付；矢量报告用 PDF
6. 关闭：plt.close(fig) 防止内存堆积（循环画图时必做）

常用模板

分组柱状

import pandas as pd
fig, ax = plt.subplots(figsize=(8, 5))
df.groupby("category")["value"].mean().sort_values().plot.bar(ax=ax, color="#4C72B0")
ax.set_title("各品类均值对比", fontsize=13)
ax.set_ylabel("value")
ax.grid(axis="y", alpha=0.3)
plt.tight_layout(); plt.savefig("bar.png", dpi=200, bbox_inches="tight"); plt.close(fig)

时间序列折线

fig, ax = plt.subplots(figsize=(10, 4))
ts.plot(ax=ax, marker="o", markersize=3)
ax.set_title("时间序列趋势")
ax.set_ylabel("数值")
plt.tight_layout(); plt.savefig("trend.png", dpi=200, bbox_inches="tight"); plt.close(fig)

热力图（相关性）

sns.heatmap(df.corr(numeric_only=True), annot=True, fmt=".2f", cmap="RdBu_r", center=0)
plt.title("相关性矩阵")
plt.tight_layout(); plt.savefig("corr.png", dpi=200, bbox_inches="tight"); plt.close()

检查清单

• 中文不乱码（Microsoft YaHei / SimHei 已设置）
• 标题、轴标签（含单位）、图例齐全
• dpi ≥ 200，无元素被裁切（bbox_inches="tight"）
• 颜色方案统一（sns 默认或统一色板）
• 交付前读一眼图，确认无空白/重叠/缺数据