上一篇你画出了人生第一张图，今天专攻所有图里最”会讲故事”的一种：折线图。只引入一个新概念——趋势展示：让图不只画出数字，还能讲清”涨了还是跌了、拐点在哪、稳不稳”。多线对比、真实日期轴、平滑趋势、关键点标注，一篇全配齐。从此你的图不再是”一堆点”，而是一句话就能讲完的故事。

一、真实场景：同样五个数，讲出来的故事完全不同

接着上一篇的账本说话。你导出了近半年的月支出：4210、3980、4520、4105、4503（元）。给家里人汇报，两种讲法——

讲法一：”六月4210，七月3980，八月4520……”

讲法二：”这半年支出总体在爬坡：七月最低，八月冲了个尖，九月回落，十月又涨回去了——整体比半年前多花了 300 块左右。”

讲法二就是趋势：方向（总体在涨）、拐点（八月那个尖）、波动（忽上忽下不稳）。同样五个数，讲法二让人听完就知道”该不该收紧开支”，讲法一听完只记得”一堆数”。

折线图就是把讲法二画出来。它跟上一篇的图看起来差不多，但讲究完全不同——上一篇的目标是”画出来”，今天的目标是“讲清楚”：线条的走势就是故事的主线，你的每个设计选择（几条线、什么颜色、标不标关键点）都在帮观众听懂这个故事。

为什么趋势这么值钱？因为人对”变化”极其敏感，对”数值”极其迟钝。”4503.5″你没感觉，”又涨回去了”你马上有反应。汇报、复盘、监控、对账——凡是涉及”随时间变化”的场合，折线图都是第一选择。今天学完，你上一篇埋的三个伏笔（日期轴骗人、双线讲究、annotate）全部兑现。

二、折线图的”世界观”：它只讲一种故事

先立规矩：折线图只适合”随时间（或有序量）变化”的数据。横轴必须有序——时间、次数、温度、进度，都行；”苹果、香蕉、橘子”这种无序分类不行（那是下一篇柱状图的地盘）。判断口诀就一句：横轴能说”之前、之后”，才配用折线图。

一个趋势故事只有三个要素，画图就是把这三要素画醒目：

1. 方向：总体是涨是跌？——线的”大势”；
2. 拐点：哪里开始转折？——线上”拐弯”的地方；
3. 波动：稳不稳？——线上下”抖”的程度。

所以”好的折线图”不是画得漂亮，而是观众三秒钟能答出这三个问题。带着这个目标进入动手环节——每一步都在为三个要素服务。

三、动手：把趋势画成故事

第 1 步：多线对比 —— 故事需要”对手戏”

一条线讲”自己的故事”，两条线讲”对比的故事”。最常见的对比就是上一篇开过眼界的收支对比，今天把它做精：

# compare_trend.py — 收支双线对比：谁涨谁跌一目了然
import matplotlib.pyplot as plt

# —— 中文字体（上一篇的坑点疫苗2，直接复用）——
plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC", "SimHei", "WenQuanYi Zen Hei"]
plt.rcParams["axes.unicode_minus"] = False

months = ["6月", "7月", "8月", "9月", "10月", "11月"]
spending = [4210, 3980, 4520, 4105, 4503, 4780]
income   = [8000, 8000, 8500, 8000, 9200, 8800]

plt.plot(months, spending, marker="o", color="#d9534f", linewidth=2, label="支出")
plt.plot(months, income,   marker="s", color="#5bc0de", linewidth=2, label="收入")

plt.title("2026下半年收支走势")
plt.xlabel("月份")
plt.ylabel("金额（元）")
plt.legend(loc="best")                       # 图例：label 自动生成，loc="best" 自动挑不挡线的位置
plt.grid(True, linestyle="--", alpha=0.5)
plt.savefig("income_vs_spending.png", dpi=150, bbox_inches="tight")
plt.show()

几个新讲究快速过一遍：

• 配色是”角色设定”：支出用红（#d9534f），收入用蓝（#5bc0de），一眼分清谁是谁。十六进制颜色码（# 开头六个字符）随便搜”color picker”就能挑；两条线的颜色要有明显明暗/冷暖差别，深蓝配浅蓝是给自己找麻烦；
• marker 也参与区分：圆点是支出、方块是收入——就算色盲观众看图，靠形状也能分辨；
• legend(loc="best")：图例自动找不挡数据的角落。图上超过一条线就必须有图例，这是铁律；
• 线宽 2：默认的 1 稍细，报告里投影容易看不清，加粗到 2 稳妥。

第 2 步：真实日期轴 —— 兑现上一篇的坑4

上一篇说过：文字标签（”6月””7月”）是等距分类，不等距的真实日期会被画得”骗人”。今天正面解决——把日期变成真正的日期对象，matplotlib 就按真实间隔画：

# real_date_axis.py — 真实日期轴：间隔不均匀也不骗人
import matplotlib.pyplot as plt
from datetime import datetime

plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC", "SimHei", "WenQuanYi Zen Hei"]
plt.rcParams["axes.unicode_minus"] = False

# 不等距的真实记账日：月初月中各一笔，间隔有长有短
date_strings = ["2026-11-01", "2026-11-03", "2026-11-08", "2026-11-15", "2026-11-28"]
balance = [4500, 4310, 3980, 3720, 3100]

# 把字符串转成 datetime 对象（strptime = "按格式拆字符串"）
dates = [datetime.strptime(d, "%Y-%m-%d") for d in date_strings]

plt.plot(dates, balance, marker="o", color="#5cb85c", linewidth=2)
plt.title("11月账户余额变化（真实日期轴）")
plt.xlabel("日期")
plt.ylabel("余额（元）")
plt.grid(True, linestyle="--", alpha=0.5)
plt.gcf().autofmt_xdate()   # 日期标签自动斜排，防止挤成一团
plt.savefig("balance_nov.png", dpi=150, bbox_inches="tight")
plt.show()

就多了一个动作：datetime.strptime(...) 把 "2026-11-03" 拆成日期对象。matplotlib 拿到真日期后，自动按”1号到3号”和”15号到28号”的真实间隔分配横向空间——28号那个点会明显靠右，骗人的等距没了。plt.gcf().autofmt_xdate() 是给日期标签”斜着排队”，防挤。

第 3 步：平滑趋势 —— 让”大势”浮出水面

真实数据天生”抖”：今天花 35、明天花 120、后天花 20……波动太大时，线像心电图，大势反而看不清。解决办法是滚动平均（也叫移动平均）：每个点取”它和前 N 天的平均值”，抖动被抹平，大势浮出来：

# smooth_trend.py — 7日滚动平均：把心电图捋成趋势线
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC", "SimHei", "WenQuanYi Zen Hei"]
plt.rcParams["axes.unicode_minus"] = False

# 14天每日支出（元）：抖得像心电图
daily = [35, 120, 20, 45, 88, 26, 52, 140, 30, 62, 55, 110, 40, 48]

def rolling_avg(values, window):
    """滚动平均：第 i 个点 = values[i-window+1 .. i] 的平均（不够 window 个就取已有的）"""
    result = []
    for i in range(len(values)):
        start = max(0, i - window + 1)
        chunk = values[start:i + 1]
        result.append(sum(chunk) / len(chunk))
    return result

days = list(range(1, len(daily) + 1))
smooth7 = rolling_avg(daily, 7)

plt.plot(days, daily, marker="o", alpha=0.4, color="gray", label="每日实际")
plt.plot(days, smooth7, linewidth=3, color="#d9534f", label="7日滚动平均")
plt.title("每日支出：抖动 vs 大势")
plt.xlabel("天数")
plt.ylabel("支出（元）")
plt.legend(loc="best")
plt.grid(True, linestyle="--", alpha=0.5)
plt.savefig("daily_smooth.png", dpi=150, bbox_inches="tight")
plt.show()

看点有三个：原始数据用灰色半透明（alpha=0.4）退居背景，趋势线用红色加粗站 C 位——图里的”主次”靠颜色和粗细说话；rolling_avg 是第7篇的函数手艺，纯循环+切片，没有任何新语法；窗口取 7（一周）是经验值，窗口越大线越平，但反应越迟钝——这个度在坑点疫苗2里敲警钟。

第 4 步：标注拐点 —— 让故事的”转折”自己跳出来

趋势故事的高潮是拐点，那就把拐点标出来。用上一篇预告过的 plt.annotate：

# annotate_turning.py — 标出最高点：让拐点自己跳出来
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC", "SimHei", "WenQuanYi Zen Hei"]
plt.rcParams["axes.unicode_minus"] = False

months = ["6月", "7月", "8月", "9月", "10月", "11月"]
spending = [4210, 3980, 4520, 4105, 4503, 4780]

plt.plot(months, spending, marker="o", color="#d9534f", linewidth=2)
plt.title("月支出走势（标注最高点）")
plt.xlabel("月份")
plt.ylabel("支出（元）")
plt.grid(True, linestyle="--", alpha=0.5)

# —— 标注最高点 ——
peak_idx = spending.index(max(spending))          # 1. 找到最高点的位置
plt.annotate(f"峰值 {max(spending)} 元",
             xy=(peak_idx, max(spending)),          # 2. 箭头指向的点
             xytext=(peak_idx - 1.5, max(spending) - 100),  # 3. 文字放哪（往左下挪，别压线）
             arrowprops=dict(arrowstyle="->", color="gray"),  # 4. 画个小箭头
             fontsize=11, color="#d9534f")

plt.savefig("spending_peak.png", dpi=150, bbox_inches="tight")
plt.show()

annotate 的逻辑一句话：在 xy 处画箭头，指向 xytext 处的文字（方向看着别扭，记”xy 是箭头尖、xytext 是纸条”就不混了）。代码是死的，思路是活的——max() 找最高点、index() 找位置，这两下是第8篇列表的手艺。同一套写法换 min() 就标最低点，换个条件就能标”第一次超过 4500 的月份”。

到这里，一张”会讲故事”的折线图的全套手艺都有了：对比（多线）→ 真实（日期轴）→ 大势（平滑）→ 高潮（标注）。

四、改进：跟AI一起升级

把上面的 compare_trend.py 发给 AI，这次的需求往”专业图表”上提：

“这是我的收支双线对比图（代码如下）。想升级成能放进月度汇报的水平：1）两条线之间的差额用色块填出来（结余好看、超支刺眼）；2）收入和支出金额差好几倍，一条纵轴看不清波动，帮我改进；3）整体风格更像财经新闻的走势图。请先给方案说明每处改动的意图，确认后再给代码。”

它的方案里会冒出三个高级货，先混脸熟：

• plt.fill_between：两条线之间”灌色块”——结余（收入高于支出）灌绿、缺口灌红，差额一眼可见；
• 双纵轴（plt.twinx()）：左轴看支出、右轴看收入。但注意坑点疫苗1，这招是双刃剑；
• plt.style.use("fivethirtyeight")：又一套现成皮肤，财经图表那味儿。

逐条实现，每条跑一次对比效果。重点不是它给了什么代码，是你能说出”这处改动让趋势的哪个要素更清楚了”——说不出，就说明改动是花架子。

五、四个必踩的坑（先打疫苗）

1. 双纵轴是”合法的骗术”，慎用。 左右两个纵轴的刻度可以任意拉伸——同一份数据，把右轴从”0~10000″改成”7900~9300″，收入那条线立刻”暴跌暴涨”，视觉冲击全是刻度造出来的。要用就守住两条：两轴都从 0 开始；标题里明说”左轴=支出，右轴=收入”。能用单轴就别用双轴，fill_between 表达差额通常更诚实。

1. 平滑过度 = 骗自己。 滚动窗口拉到 30 天，什么波动都给你捋平——包括真实的风险信号。八月那笔超支可能就这样被”平均”没了。原则：原始线永远保留在图上（哪怕灰色半透明），平滑线只是帮你看大势的辅助线；窗口别超过数据跨度的三分之一。

1. 无序数据别硬画折线。 “苹果、香蕉、橘子”的销量画折线，等于暗示”苹果→香蕉→橘子”有先后顺序和过渡关系——纯属编故事。判断法：把横轴两项调换位置，图的”故事”如果变了，这数据就不该用折线图，下一篇柱状图才是它的归宿。

1. 日期挤成一团是”格式”问题，不是”数据”问题。 日期一多，x 轴标签必然重叠。除了 autofmt_xdate()，还可以让 AI 教你 matplotlib.dates 里的 DateFormatter（控制显示”11-03″还是”3日”）和 set_major_locator（控制隔几天标一个刻度）。但警惕一个更隐蔽的坑：横轴日期有大段空白时（比如只记了 11-01 和 11-28 两笔），要么接受真实空白，要么改用文字标签——千万别手工删空段，那是亲手把”骗人”请回来。

六、跟AI协作的正确姿势（趋势图特供版）

1. 问”结论”，不要问”函数”。 “这张图能得出什么结论？”发给 AI，让它以读者视角回答——它答不出，说明图没讲清故事，改图比改问法重要。

1. 把”观众是谁”告诉它。 同样一份数据，给家人的图要大字、少线、结论写脸上；给同事的图可以密一点、精确一点。AI 拿到”观众画像”，给的配色、字号、标注密度会完全不一样。

1. 数据敏感性自己把关。 平滑窗口多大、双轴刻度怎么设，这些决定”图讲的故事是真是骗”——AI 会顺着你的要求做，但它不会替你守住”诚实”这条线。图美化是技术，图诚实是底线。

七、今日小练习

练习1：画出你的收支对比故事线。 用第1步的双线对比代码，换成你自己的数据（没有就编半年的收支），要求：双线、双色、双 marker、图例、网格、存 PNG（提示：plt.plot(..., label="支出") × 2 + plt.legend()；颜色挑冷暖对比的一对，比如 #d9534f 配 #5bc0de）。

练习2：真实日期轴 + 平滑，双剑合璧。 找一组带日期的数据（每日支出、体重、步数都行），先画原始折线，再叠一条 7 日滚动平均（提示：datetime.strptime 转日期解决间隔问题，rolling_avg 函数直接从第3步搬；两条线一灰一红、一淡一浓，图例别忘了）。

练习3：把拐点标出来。 在练习1的图上，用 annotate 标出最高点和最低点各一处（提示：max()/min() 找值、index() 找位置；文字放在数据点的斜上方或斜下方，arrowprops 画个小箭头；标完自己问自己：这张图的”方向、拐点、波动”三要素，三秒钟能答出来吗？）。

下篇预告

下一篇（第63篇）：柱状图 — 把对比拍在桌上。 折线图讲”变化”，柱状图讲”较量”：谁多谁少、差距多大、排名如何。下一篇学柱状图的看家本领——分组柱、堆叠柱、横向条形图，以及”柱子从哪儿起跑才不骗人”（y 轴截断的经典骗局）。两类图学完，你的”图表兵器库”就有一攻一守了。