Matplotlib 与 Seaborn：用图表验证分布、关系和趋势

问题与目标

汇总表能给出精确数字，却不容易暴露偏态、异常值、群组差异和趋势。可视化的任务是验证问题，不是装饰报告。

完成标准：能根据变量类型选择图表，使用 Matplotlib 控制画布和标签，用 Seaborn 绘制分布与关系，并把图片保存为可复查文件。

左图检查单个变量的分布形态，右图观察两个变量之间的关系。示例图由配套脚本生成，用来说明图表应服务于具体问题，而不是把同一份数据换几种样式重复展示。

核心概念

Matplotlib 提供底层画布、坐标轴和保存控制；Seaborn 基于它提供面向统计数据的高级接口。相关性只表示共同变化，不证明因果。坐标轴范围、聚合方式和样本数量都会影响解读。

画图前先写问题

同一数据可以画出许多图，但每张图应只回答一个主要问题：

• “典型值和尾部在哪里”需要分布图，而不是只看均值。
• “两个变量是否共同变化”需要散点图，并关注非线性和离群点。
• “不同类别是否有差异”除了均值条形图，还应展示样本量和分布。
• “时间是否变化”需要稳定时间粒度和连续时间轴。

箱线图中的箱体表示四分位范围，须明确“箱外点”只是统计标记，不自动等于错误数据。直方图结论会受分箱数量影响，可以对比多个 bins 或补充核密度估计。

面向对象接口

推荐显式持有 figure 和 axes，方便多图布局和测试：

import matplotlib.pyplot as plt

figure, axis = plt.subplots(figsize=(6, 4))
axis.plot([1, 2, 3], [2, 5, 4], marker="o", label="daily value")
axis.set(title="Daily metric", xlabel="Day", ylabel="Value")
axis.legend()
axis.grid(alpha=0.3)
figure.tight_layout()
figure.savefig("daily_metric.png", dpi=150, bbox_inches="tight")
plt.close(figure)

关闭画布能防止批量绘图时内存持续增长。保存格式取决于用途：PNG 适合普通展示，SVG/PDF 适合需要缩放的矢量图。

颜色与坐标轴也会影响判断

类别颜色应稳定且可区分，连续数值使用顺序色带，正负相关可使用发散色带。截断纵轴可能夸大差异，对数坐标适合跨数量级数据，但必须明确标注。三维图和双纵轴通常增加解读负担，应有明确必要性。

可运行实现

代码在无桌面服务器上也能保存图片：

python -m pip install matplotlib seaborn pandas

from pathlib import Path

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

data = pd.DataFrame(
    {
        "group": ["A"] * 5 + ["B"] * 5,
        "hours": [1, 2, 3, 4, 5, 1, 2, 3, 4, 5],
        "score": [52, 58, 63, 70, 76, 48, 55, 61, 80, 95],
    }
)

sns.set_theme(style="whitegrid")
figure, axes = plt.subplots(1, 2, figsize=(10, 4))

sns.histplot(data=data, x="score", hue="group", bins=6, ax=axes[0])
axes[0].set(title="Score distribution", xlabel="Score", ylabel="Count")

sns.scatterplot(data=data, x="hours", y="score", hue="group", ax=axes[1])
axes[1].set(title="Hours and score", xlabel="Hours", ylabel="Score")

figure.tight_layout()
output = Path("output/exploration.png")
output.parent.mkdir(parents=True, exist_ok=True)
figure.savefig(output, dpi=150, bbox_inches="tight")
plt.close(figure)
print(output.resolve())

输入是组别、学习时长和得分，输出为 output/exploration.png。第一张图检查分布，第二张图观察关系和组间差异。样本很少，只能用于演示，不能据此形成稳定业务结论。

发布前检查标题、单位、图例、样本范围、聚合方式和数据来源。图应能在没有口头解释时被正确理解，同时保留生成图表的代码和汇总数据。

进一步验证

• 为分布图补充每组样本数，并比较直方图和箱线图分别显示了什么。
• 向数据加入一个极端值，观察散点图坐标范围和相关性的变化。
• 生成一张按周汇总的趋势图，在标题或图注中写明汇总口径。
• 关闭图形后从文件路径重新打开，检查标题、单位和图例在脱离上下文时是否仍清楚。

结果判断不以“图好看”为标准，而是读者能正确回答样本是谁、横纵轴是什么、数据是否经过聚合。

常见问题与排查

• 服务器报显示后端错误：设置非交互后端并使用 savefig。
• 中文显示为方框：安装并显式配置可用字体，不要假设所有机器都有某个中文字体。
• 类别太多导致标签重叠：排序后只展示重点类别，完整结果保留在表格。
• 双纵轴制造误导：若量纲不同，优先拆图或标准化，并明确单位。
• 热力图颜色很强就说关系重要：同时查看数值、样本量、异常值和业务机制。

小结

好图表从问题出发：看分布、比类别、找关系或看趋势。标题、单位、样本范围和聚合规则必须明确，图片还应保存到固定路径以便复查。