Matplotlib+Seaborn数据可视化实战：从基础图表到高阶技巧

import matplotlib.pyplot as plt
import pandas as pd

# 读取数据（用pandas更方便）
df = pd.read_csv('monthly_sales.csv')

# 画折线图：调整线条样式、颜色
plt.plot(
    df['月份'], df['销量'], 
    linewidth=2,       # 线条宽度
    color='#2ecc71',   # 线条颜色（清新绿）
    linestyle='-',     # 实线（可选--虚线、-.点划线）
    marker='o'         # 加圆点标记
)

# 调整坐标轴与标题：让图更清晰
plt.xlabel('月份', fontsize=12)          # X轴标签
plt.ylabel('销量（件）', fontsize=12)   # Y轴标签
plt.title('2025年月度销量趋势', fontsize=14, pad=15)  # 标题，pad调整与图的间距
plt.grid(axis='y', linestyle='--', alpha=0.7)  # 只加纵轴网格线，避免混乱
plt.xticks(rotation=45)  # 月份文字旋转45度，防止重叠

# 显示图
plt.show()

# 画柱状图
bars = plt.bar(df['地区'], df['销量'], color='#3498db')  # 地区为X轴，销量为Y轴

# 给每个柱子加数值标签
for bar in bars:
    height = bar.get_height()  # 获取柱子高度（即销量值）
    # 在柱子中央上方加数值，ha=center（水平居中）、va=bottom（垂直在柱子上方）
    plt.text(bar.get_x() + bar.get_width()/2, height, f'{height}', ha='center', va='bottom')

plt.xlabel('地区', fontsize=12)
plt.ylabel('销量（件）', fontsize=12)
plt.title('各地区销量对比', fontsize=14)
plt.show()

import seaborn as sns

# 设置Seaborn风格（默认darkgrid，清爽不刺眼）
sns.set_style('darkgrid')

# 画箱线图：X轴是产品类别，Y轴是价格
sns.boxplot(x='类别', y='价格', data=df, palette='Set2')  # palette用Seaborn默认调色板

plt.title('不同产品类别的价格分布', fontsize=14)
plt.show()

# 计算相关性矩阵（ Pearson相关系数）
corr_matrix = df[['广告费用', '用户数量', '销售额']].corr()

# 画热力图：annot=True显示系数，cmap用红蓝渐变，fmt保留两位小数
sns.heatmap(
    corr_matrix, 
    annot=True,      # 显示相关系数
    cmap='coolwarm', # 红蓝渐变（红=正相关，蓝=负相关）
    fmt='.2f',       # 保留两位小数
    square=True      # 让每个格子是正方形
)

plt.title('变量相关性热力图', fontsize=14)
plt.show()

import numpy as np

# 用Seaborn画散点图：按“地区”着色
sns.scatterplot(
    x='广告费用', y='销售额', 
    data=df, 
    hue='地区',    # 按地区区分颜色
    palette='Set1' # 调色板
)

# 用Matplotlib加线性趋势线：拟合一次多项式
x = df['广告费用']
y = df['销售额']
z = np.polyfit(x, y, 1)  # 拟合一次多项式（线性）
p = np.poly1d(z)          # 生成多项式函数

# 画趋势线：黑色虚线，加图例
plt.plot(x, p(x), color='black', linestyle='--', label=f'趋势线: y={z[0]:.2f}x + {z[1]:.2f}')

# 调整细节
plt.xlabel('广告费用（元）', fontsize=12)
plt.ylabel('销售额（元）', fontsize=12)
plt.title('广告费用与销售额的关系（按地区区分）', fontsize=14)
plt.legend(loc='upper left')  # 图例放在左上角
plt.show()