Python 数据可视化实战——matplotlib/plotly 制作专业级技术报告图表

适读人群：需要制作数据可视化报告的工程师和数据分析师 | 阅读时长：约16分钟 | 核心价值：从"能看"到"好看"——掌握制作专业级图表的核心技巧和完整代码模板

---

小余在公司做数据分析，每个月要给产品和运营出一份数据报告。用 pandas 处理数据他很熟，但一到可视化就头疼——图表总是丑，颜色难看，字体太小，坐标轴没有标注。领导每次看报告都说"能不能做得好看一点"，他每次都不知道从哪里改起。

有一次他把图表发给我看，我给他数了数问题：默认蓝色柱子没有任何配色主题、y 轴没有单位、图例挡住了数据、标题字体太小、背景网格密密麻麻……

他很沮丧："老张，我就是想让图表看起来像那些技术报告里的那种，专业、清晰，但我不知道差在哪里。"

其实答案很简单：专业图表 = 好的数据 + 明确的主题 + 克制的配色 + 清晰的标注。matplotlib 能做到，只是默认设置太丑，需要你主动去调。plotly 更现代，交互更好，但需要了解它的设计体系。

今天我们从实战角度，教你做真正专业的图表。

---

一、matplotlib 专业图表基础设置

1.1 建立统一的图表风格

import matplotlib.pyplot as plt
import matplotlib.ticker as mticker
import numpy as np
import pandas as pd

# 设置全局样式（一次配置，处处生效）
def setup_chart_style():
    """建立统一的专业图表风格"""
    plt.rcParams.update({
        # 字体
        "font.family": ["PingFang SC", "Microsoft YaHei", "DejaVu Sans"],
        "font.size": 12,
        "axes.titlesize": 16,
        "axes.titleweight": "bold",
        "axes.labelsize": 13,
        
        # 图形大小
        "figure.figsize": (12, 6),
        "figure.dpi": 150,
        
        # 背景和网格
        "axes.facecolor": "#F8F9FA",   # 浅灰色背景
        "axes.grid": True,
        "grid.color": "white",         # 白色网格（在灰色背景上很好看）
        "grid.linewidth": 1.0,
        "grid.alpha": 0.8,
        
        # 坐标轴
        "axes.spines.top": False,      # 去掉上边框
        "axes.spines.right": False,    # 去掉右边框
        "axes.linewidth": 1.2,
        
        # 颜色循环（使用专业配色方案）
        "axes.prop_cycle": plt.cycler(color=[
            "#4527A0", "#AB47BC", "#7E57C2", "#26C6DA", "#42A5F5",
            "#66BB6A", "#FFCA28", "#EF5350"
        ])
    })

setup_chart_style()

1.2 完整的柱状图模板

def plot_monthly_revenue(data: dict, title: str, save_path: str = None):
    """
    制作月度收入对比柱状图
    data: {"月份": [...], "收入": [...], "目标": [...]}
    """
    months = data["月份"]
    revenue = data["收入"]
    target = data.get("目标", None)
    
    fig, ax = plt.subplots(figsize=(14, 7))
    
    x = np.arange(len(months))
    width = 0.6 if target is None else 0.35
    
    # 主柱子
    bars = ax.bar(
        x if target is None else x - width/2,
        revenue,
        width=width,
        color="#4527A0",
        alpha=0.85,
        label="实际收入",
        zorder=3  # 确保在网格上面
    )
    
    # 目标线（如果有）
    if target:
        ax.bar(
            x + width/2,
            target,
            width=width,
            color="#AB47BC",
            alpha=0.6,
            label="目标",
            zorder=3
        )
    
    # 在柱子顶部添加数值标注
    for bar in bars:
        height = bar.get_height()
        ax.annotate(
            f"¥{height/10000:.0f}万",    # 格式化为万元
            xy=(bar.get_x() + bar.get_width() / 2, height),
            xytext=(0, 5),               # 向上偏移5个点
            textcoords="offset points",
            ha="center", va="bottom",
            fontsize=11,
            color="#333333",
            fontweight="bold"
        )
    
    # 轴设置
    ax.set_xticks(x)
    ax.set_xticklabels(months, fontsize=12)
    ax.yaxis.set_major_formatter(
        mticker.FuncFormatter(lambda x, _: f"¥{x/10000:.0f}万")
    )
    
    # 标题和标签
    ax.set_title(title, fontsize=18, fontweight="bold", pad=20, color="#1a1a2e")
    ax.set_xlabel("月份", fontsize=13, color="#555555")
    ax.set_ylabel("收入金额（万元）", fontsize=13, color="#555555")
    
    # 图例
    if target:
        ax.legend(loc="upper left", framealpha=0.9, fontsize=12)
    
    # 添加数据来源注释
    fig.text(
        0.99, 0.01,
        "数据来源：内部销售系统 | 制作：老张聊AI转型",
        ha="right", va="bottom",
        fontsize=9, color="#999999"
    )
    
    plt.tight_layout()
    
    if save_path:
        plt.savefig(save_path, dpi=200, bbox_inches="tight", facecolor="white")
        print(f"图表已保存：{save_path}")
    
    plt.show()

# 使用
data = {
    "月份": [f"{m}月" for m in range(1, 13)],
    "收入": [1200000, 1350000, 1180000, 1420000, 1560000, 1480000,
             1320000, 1650000, 1720000, 1580000, 1890000, 2100000],
    "目标": [1300000, 1300000, 1300000, 1500000, 1500000, 1500000,
             1500000, 1700000, 1700000, 1700000, 1900000, 1900000]
}
plot_monthly_revenue(data, "2024年度月度收入完成情况", "monthly_revenue.png")

---

二、多子图组合——制作完整的数据报告页

def create_dashboard(df: pd.DataFrame, save_path: str = "dashboard.png"):
    """
    制作包含4个子图的数据仪表盘
    """
    fig = plt.figure(figsize=(18, 12))
    fig.suptitle("业务数据周报 · 2024年第48周", 
                 fontsize=22, fontweight="bold", y=0.98, color="#1a1a2e")
    
    # 创建4个子图区域
    gs = fig.add_gridspec(2, 2, hspace=0.4, wspace=0.35)
    ax1 = fig.add_subplot(gs[0, 0])  # 左上：日活趋势
    ax2 = fig.add_subplot(gs[0, 1])  # 右上：渠道分布
    ax3 = fig.add_subplot(gs[1, 0])  # 左下：转化漏斗
    ax4 = fig.add_subplot(gs[1, 1])  # 右下：地区分布
    
    # --- 子图1：折线图（日活趋势）---
    dates = pd.date_range("2024-11-25", periods=7, freq="D")
    dau = [45200, 48600, 52100, 47800, 55300, 61200, 58900]
    
    ax1.plot(dates, dau, color="#4527A0", linewidth=2.5, marker="o",
             markersize=8, markerfacecolor="white", markeredgewidth=2)
    ax1.fill_between(dates, dau, alpha=0.15, color="#4527A0")
    ax1.set_title("日活跃用户数（DAU）", fontsize=14, fontweight="bold")
    ax1.yaxis.set_major_formatter(mticker.FuncFormatter(lambda x, _: f"{x/10000:.1f}万"))
    ax1.xaxis.set_major_formatter(plt.matplotlib.dates.DateFormatter("%m/%d"))
    
    # --- 子图2：饼图（渠道分布）---
    channels = ["自然搜索", "付费推广", "社交媒体", "直接访问", "其他"]
    values = [35, 28, 18, 15, 4]
    colors = ["#4527A0", "#AB47BC", "#7E57C2", "#26C6DA", "#B0BEC5"]
    explode = (0.05, 0, 0, 0, 0)  # 突出最大份额
    
    wedges, texts, autotexts = ax2.pie(
        values, labels=channels, colors=colors,
        explode=explode, autopct="%1.1f%%",
        pctdistance=0.75, startangle=90
    )
    for autotext in autotexts:
        autotext.set_fontsize(11)
        autotext.set_color("white")
    ax2.set_title("流量渠道分布", fontsize=14, fontweight="bold")
    
    # --- 子图3：水平条形图（转化漏斗）---
    funnel_stages = ["访问首页", "浏览商品", "加入购物车", "提交订单", "完成支付"]
    funnel_values = [100000, 68000, 32000, 18000, 14500]
    colors_funnel = ["#4527A0", "#5C35B8", "#7E57C2", "#9575CD", "#AB47BC"]
    
    bars = ax3.barh(funnel_stages, funnel_values, color=colors_funnel, alpha=0.85)
    ax3.set_title("用户转化漏斗", fontsize=14, fontweight="bold")
    ax3.xaxis.set_major_formatter(mticker.FuncFormatter(lambda x, _: f"{x/10000:.0f}万"))
    
    # 在条形右侧显示转化率
    for i, (bar, val) in enumerate(zip(bars, funnel_values)):
        rate = val / funnel_values[0] * 100
        ax3.text(val + 500, bar.get_y() + bar.get_height()/2,
                f"{rate:.1f}%", va="center", fontsize=10, color="#666666")
    
    # --- 子图4：热力图风格的地区数据 ---
    regions = ["北京", "上海", "广州", "深圳", "杭州", "成都", "武汉", "南京"]
    orders = [28500, 32100, 24600, 27800, 19200, 15600, 12300, 10800]
    
    bar_colors = plt.cm.get_cmap("Purples")(np.linspace(0.4, 0.9, len(regions)))
    sorted_data = sorted(zip(orders, regions), reverse=True)
    orders_sorted = [d[0] for d in sorted_data]
    regions_sorted = [d[1] for d in sorted_data]
    
    ax4.barh(regions_sorted, orders_sorted, color=bar_colors)
    ax4.set_title("各城市订单量 TOP8", fontsize=14, fontweight="bold")
    ax4.xaxis.set_major_formatter(mticker.FuncFormatter(lambda x, _: f"{x/10000:.1f}万"))
    
    # 统一设置所有子图的轴颜色
    for ax in [ax1, ax2, ax3, ax4]:
        ax.tick_params(colors="#555555")
    
    # 添加日期水印
    fig.text(0.5, 0.01, f"报告生成时间：2024-12-02 09:00 | 老张聊AI转型",
             ha="center", fontsize=10, color="#AAAAAA")
    
    plt.savefig(save_path, dpi=200, bbox_inches="tight", facecolor="white")
    print(f"仪表盘已保存：{save_path}")
    plt.show()

create_dashboard(None, "weekly_dashboard.png")

---

三、plotly 交互式图表

plotly 的优势是可以生成交互式图表，适合嵌入网页或生成 HTML 报告。

import plotly.graph_objects as go
import plotly.express as px
from plotly.subplots import make_subplots
import pandas as pd
import numpy as np

# 专业配色主题
BRAND_COLORS = {
    "primary": "#4527A0",
    "secondary": "#AB47BC",
    "accent": "#7E57C2",
    "positive": "#26A69A",
    "negative": "#EF5350",
    "neutral": "#78909C"
}

def create_interactive_dashboard(df: pd.DataFrame) -> go.Figure:
    """
    创建交互式数据仪表盘（可导出为 HTML）
    """
    fig = make_subplots(
        rows=2, cols=2,
        subplot_titles=("月度收入趋势", "品类销售占比", "用户增长", "日均转化率"),
        specs=[
            [{"type": "scatter"}, {"type": "pie"}],
            [{"type": "bar"}, {"type": "indicator"}]
        ],
        vertical_spacing=0.15,
        horizontal_spacing=0.1
    )
    
    # 子图1：折线图
    months = list(range(1, 13))
    revenue = [120, 135, 118, 142, 156, 148, 132, 165, 172, 158, 189, 210]
    
    fig.add_trace(
        go.Scatter(
            x=months, y=revenue,
            mode="lines+markers",
            name="月度收入（万元）",
            line=dict(color=BRAND_COLORS["primary"], width=3),
            marker=dict(size=8, color=BRAND_COLORS["secondary"]),
            hovertemplate="<b>%{x}月</b><br>收入：¥%{y}万<extra></extra>"
        ),
        row=1, col=1
    )
    
    # 子图2：饼图
    fig.add_trace(
        go.Pie(
            labels=["电子产品", "服装", "食品", "家居", "其他"],
            values=[35, 25, 20, 15, 5],
            hole=0.4,              # 甜甜圈效果
            marker_colors=[BRAND_COLORS["primary"], BRAND_COLORS["secondary"],
                          BRAND_COLORS["accent"], "#26C6DA", "#B0BEC5"],
            hovertemplate="<b>%{label}</b><br>占比：%{percent}<extra></extra>"
        ),
        row=1, col=2
    )
    
    # 子图3：柱状图（月度新增用户）
    new_users = [5200, 6100, 4800, 7200, 8100, 7600, 6300, 9100, 10200, 8800, 12300, 15600]
    bar_colors = [BRAND_COLORS["positive"] if u > 8000 else BRAND_COLORS["primary"] for u in new_users]
    
    fig.add_trace(
        go.Bar(
            x=months, y=new_users,
            name="新增用户数",
            marker_color=bar_colors,
            hovertemplate="<b>%{x}月</b><br>新增：%{y}人<extra></extra>"
        ),
        row=2, col=1
    )
    
    # 子图4：指标卡（KPI）
    fig.add_trace(
        go.Indicator(
            mode="number+delta+gauge",
            value=3.85,
            delta={"reference": 3.20, "valueformat": ".2f", "suffix": "%"},
            gauge={
                "axis": {"range": [0, 10]},
                "bar": {"color": BRAND_COLORS["primary"]},
                "steps": [
                    {"range": [0, 3], "color": "#FFCDD2"},
                    {"range": [3, 6], "color": "#C8E6C9"},
                    {"range": [6, 10], "color": "#B3E5FC"}
                ],
                "threshold": {
                    "line": {"color": BRAND_COLORS["negative"], "width": 4},
                    "thickness": 0.75, "value": 4.0
                }
            },
            title={"text": "平均转化率（%）"},
            number={"suffix": "%", "valueformat": ".2f"}
        ),
        row=2, col=2
    )
    
    # 更新整体布局
    fig.update_layout(
        title={
            "text": "业务数据月报 · 2024年",
            "x": 0.5, "font": {"size": 24, "color": BRAND_COLORS["primary"]}
        },
        height=800,
        showlegend=False,
        paper_bgcolor="white",
        plot_bgcolor="#F8F9FA",
        font=dict(family="PingFang SC, Microsoft YaHei, sans-serif", size=12)
    )
    
    return fig

# 生成并保存
fig = create_interactive_dashboard(None)
fig.write_html("dashboard.html")
fig.write_image("dashboard.png", width=1400, height=800)
print("交互式图表已保存")

---

四、踩坑实录一：中文字体显示为方块

现象：matplotlib 图表里的中文全显示成方块（□□□），英文正常。

原因：matplotlib 默认字体不包含中文字体。

解法：

import matplotlib.pyplot as plt
import matplotlib.font_manager as fm

# 方法一：指定系统中文字体（推荐）
plt.rcParams["font.sans-serif"] = ["PingFang SC", "Microsoft YaHei", "SimHei", "Arial Unicode MS"]
plt.rcParams["axes.unicode_minus"] = False  # 解决负号显示问题

# 方法二：查看可用字体
font_list = [f.name for f in fm.fontManager.ttflist if "PingFang" in f.name or "YaHei" in f.name]
print("可用中文字体：", font_list[:5])

# 方法三：手动指定字体文件（最稳定）
font_path = "/System/Library/Fonts/PingFang.ttc"  # macOS
custom_font = fm.FontProperties(fname=font_path)
ax.set_title("中文标题", fontproperties=custom_font, fontsize=16)

---

五、踩坑实录二：保存图片时文字被截断

现象：plt.savefig("chart.png") 保存后，图例或 x 轴标签被截断，但在屏幕上显示正常。

原因：tight_layout() 只影响显示，保存时没有自动调整边距。

解法：

# 方法一：savefig 时指定 bbox_inches
plt.savefig("chart.png", bbox_inches="tight", dpi=150)

# 方法二：保存前显式调用 tight_layout
plt.tight_layout(pad=1.5)  # pad 是边距倍数
plt.savefig("chart.png", dpi=150)

# 方法三：手动调整子图间距
plt.subplots_adjust(left=0.1, right=0.95, top=0.9, bottom=0.15)

---

六、踩坑实录三：plotly 图表导出为图片需要额外包

现象：fig.write_image("chart.png") 报错 ValueError: You must install kaleido。

解法：

pip install kaleido

# 如果 kaleido 安装后还报错（macOS ARM 芯片常见问题）
# 使用 orca 替代
# pip install plotly-orca psutil

import plotly.io as pio
pio.orca.config.executable = "/path/to/orca"

# 或者用 selenium 方案（更通用）
# fig.write_html("chart.html")  # 先保存 HTML
# 再用浏览器截图

---

七、图表设计原则总结

好的技术图表遵循这几个原则：

1. 一图一主题：每张图只表达一个核心观点，在标题里直接写出来
2. 配色克制：主色 + 辅色 + 功能色（成功/失败），最多4种颜色
3. 去掉多余元素：去掉上边框和右边框、简化网格、去掉多余图例
4. 数字直接标注：重要的数字直接标在图上，不让读者去猜
5. 统一风格：一份报告里所有图表用同一个字体、同一套颜色