2026.11.07 AI学习

AI编程（六十一）：画第一张图 — matplotlib基础，让数据”开口说话”

作者：climbing

阶段6″可视化”开张大吉。前面六十篇，数据一直住在表格、CSV 和数据库里——数字一多，人眼盯着看半天也没感觉。今天只学一个新概念：matplotlib，Python 世界最普及的画图工具。三行代码画出人生第一张图，然后给它穿上”标题、坐标轴、图例”的正装。做完今天这一篇，你账本大脑里的数字，就能变成一眼看懂的图。

一、真实场景：数字不认识字的”汇报灾难”

接着第60篇的账本大脑说话。假设月底你要跟家里人（或者老板）汇报开销，你把数据库一查，念了一串数：

“10月买菜花了812块，交通156块，房租2100块，娱乐340块，医疗0块，其他95块……”

念到第三个数，对方眼神已经开始飘了。数字是精确的，但人脑不擅长一次记住六个数字，更不擅长从六个数字里看出”娱乐花超了”这种结论。

换一种交法：一张柱状图摆出来，最高的那根是房租，第二根是买菜，娱乐那根比上个月蹿了一截——不用念数，三秒钟，结论自己”跳”进眼睛里。

这就是”可视化”三个字的全部意思：不是让数据变好看，是让人看懂。 一张好图，相当于给数据配了个翻译，把”一堆数”翻译成”一张脸”——脸上是哭是笑，一眼就知道。

而今天要学的 matplotlib（读作”马特-炮特-利布”，重音随缘，能指代清楚就行），就是 Python 里最老牌的画图工具。天气预报的走势图、论文里的实验曲线、你手机 App 里的周报图，背后多半是它的亲戚。你可能会问：Excel 也能画图啊，为什么要学它？三个理由：

  • Excel 的图是”手工活”，matplotlib 的图是”流水线”。 数据每天更新，Excel 你要重新拖一遍；代码画图，数据一换，图自动重画——还记得第36篇的数据分析流水线吗？画图就是流水线的最后一道工序；
  • Excel 画不出”程序产出”的图。 你的价格监控工具（第48篇）想每天自动出一张价格走势图贴到报告里？只有代码画图干得了；
  • 它是通用技能。 学会 matplotlib，以后看别人代码里的画图部分，你都读得懂。

数据躺在表里是”档案”，画成图才是”洞察”。今天开始，让数据开口说话。

二、matplotlib 的世界观：画布、画笔、挂上墙

学画图工具，先搞清它的工作流程，类比特别顺手——它就是”先铺画布画画，画完挂上墙”：

  1. 铺画布：matplotlib 自动给你一张空白”画布”（它叫 figure，图窗）；
  2. 画：plt.plot(...) 画折线、plt.bar(...) 画柱子、plt.scatter(...) 撒点……plt 就是你手里的画笔（它是 pyplot 这个模块的小名，所有画图指令都从它出发）；
  3. 穿正装：plt.title(...) 写标题、plt.xlabel(...) 给横轴挂牌、plt.ylabel(...) 给纵轴挂牌——图不穿衣服就是一张”裸图”，别人看不懂你画的是啥；
  4. 挂上墙：plt.show() 弹窗展示；plt.savefig(...) 把图存成 PNG 图片文件——存文件这个动作今天非常重要，先记下。

安装就一行（装过 pandas 的机器上多半已经有了，pip 会自动跳过）：

pip install matplotlib

先别管配置，直接开画——学新东西的第一原则是十秒钟内看到效果，细节留给后面。

三、动手：画出人生第一张图

第 1 步：三行代码，第一张图（first_plot.py）

# first_plot.py — 人生第一张图
import matplotlib.pyplot as plt

# 一周七天的支出（元）：假装是从第60篇的账本大脑里查出来的
spending = [35.5, 62.0, 18.0, 45.5, 120.0, 88.0, 26.5]

plt.plot(spending)   # 画一条折线：matplotlib 自动把 0~6 当横轴
plt.show()           # 挂上墙看看

跑起来：

$ python first_plot.py

会弹出一个窗口：一条弯弯曲曲的折线，从周一的 35.5 爬到周五的 120，周末又掉下来。这就是你的第一张图。 丑是丑了点——没有标题、横轴是 0123456、纵轴不知道是啥——但”画图”这件事，你已经会了。剩下的全是穿衣服。

顺手记一个规律：plt.plot(一个列表) 时，matplotlib 自动拿列表下标当横轴、列表的值当纵轴。所以图上横轴是 0 到 6，不是”周一到周日”——这是今天第一个要修的毛病。

第 2 步：给图穿正装（dress_plot.py）

# dress_plot.py — 给第一张图穿上正装
import matplotlib.pyplot as plt

# —— 中文字体设置（坑点疫苗2，见第五节）——
plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC", "SimHei", "WenQuanYi Zen Hei"]
plt.rcParams["axes.unicode_minus"] = False  # 负号别显示成方框

days = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]
spending = [35.5, 62.0, 18.0, 45.5, 120.0, 88.0, 26.5]

plt.plot(days, spending, marker="o")       # 两个列表：横轴纵轴一一对应；marker="o" 给数据点戴上小圆珠
plt.title("一周支出走势")                   # 标题：这张图在说什么
plt.xlabel("星期")                          # 横轴招牌
plt.ylabel("支出（元）")                    # 纵轴招牌
plt.grid(True, linestyle="--", alpha=0.5)  # 背景网格：虚线、半透明，方便对准数值

plt.savefig("week_spending.png", dpi=150, bbox_inches="tight")  # 先存文件！
plt.show()

跑完后两件事发生了：弹窗里是一张有标题、有轴名、有网格的正经图；当前目录下多了一个 week_spending.png——双击它，这就是程序”产出”的图片，可以直接发进群里、贴进报告里。

几个新面孔快速认一下：

  • plt.plot(days, spending)：给两个列表，横轴终于认识”周一~周日”了——横纵轴一一对应，长度必须相等，不然 matplotlib 直接报错；
  • marker="o"：折线上每个数据点戴一颗小圆珠。不加也行，加上更容易看出”哪天有数据点”；
  • plt.grid(True, linestyle="--", alpha=0.5)：背景加网格。alpha=0.5 是半透明（1 是全实、0 是全透明），网格太黑会抢数据的戏；
  • savefig(..., dpi=150)：存图。dpi 是清晰度，150 够屏幕看，印刷可以给 300；bbox_inches="tight" 是”贴紧裁剪”，防止标题或轴名被切掉半个字。

顺序讲究：savefig 写在 show 前面。 原因在坑点疫苗1里细说，先照做。

第 3 步：画”真数据”——从文件读数，再画图

玩具数据画着没劲，把第60篇的账本接上。假设你从账本大脑里导出了一个 month_summary.csv：

month,total
2026-06,4210.5
2026-07,3980.0
2026-08,4520.5
2026-09,4105.0
2026-10,4503.5

（导出方式就是第55篇的 Python+SQLite 查询、第35篇的 csv 写出，一小时就该搞定——不会了就翻回去看。）

# trend_from_csv.py — 从 CSV 读数据，画出半年支出走势
import csv
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 = []
totals = []

with open("month_summary.csv", encoding="utf-8") as f:
    for row in csv.DictReader(f):        # 第25篇的手艺：一行行读
        months.append(row["month"])
        totals.append(float(row["total"]))

plt.plot(months, totals, marker="o", color="steelblue", linewidth=2)
plt.title("每月总支出走势（2026年6月~10月）")
plt.xlabel("月份")
plt.ylabel("支出（元）")
plt.grid(True, linestyle="--", alpha=0.5)
plt.savefig("spending_trend.png", dpi=150, bbox_inches="tight")
plt.show()
print(f"画好了：spending_trend.png，共 {len(totals)} 个数据点")

注意这条链路：CSV → 两个列表 → 一张图。三个环节全是学过的手艺，只有中间那根线是新的。这就是系列课一直的节奏——新概念永远只有一个，其他全是旧手艺的排列组合。

第 4 步：一图两线（提前看一眼”对比”）

既然会画线了，顺手看个最常见的玩法——两张图不如一张图上两条线。比如把”支出”和”收入”画一起：

# two_lines.py — 一张图上画两条线
import matplotlib.pyplot as plt

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

months = ["6月", "7月", "8月", "9月", "10月"]
spending = [4210.5, 3980.0, 4520.5, 4105.0, 4503.5]
income = [8000.0, 8000.0, 8500.0, 8000.0, 9200.0]

plt.plot(months, spending, marker="o", label="支出")
plt.plot(months, income, marker="s", label="收入")   # marker="s" 是方块，两条线好区分
plt.title("每月收支对比")
plt.xlabel("月份")
plt.ylabel("金额（元）")
plt.legend()          # 图例：右上角的小标签，靠 label 生成
plt.grid(True, linestyle="--", alpha=0.5)
plt.savefig("income_vs_spending.png", dpi=150, bbox_inches="tight")
plt.show()

新东西只有一个 plt.legend()：每条线画的时候带 label="支出"，legend() 就自动生成右上角那个小标签。图上超过一条线，就必须有图例——不然观众分不清哪条是哪条。两条线的更多讲究（配色、趋势平滑、双纵轴）留给下一篇”折线图”专门收拾，今天开个眼界就行。

四、改进：跟AI一起升级

老规矩：跟AI说需求 → 读懂它的方案 → 提出改进。图能画出来之后，把这段话发给 AI：

“我在用 matplotlib 画每月支出折线图（代码如下：贴 trend_from_csv.py）。想改进三点：1）给每个数据点标上具体数值；2）支出最高的那个月用红色高亮；3）图片整体风格更像新闻图表。请先给我改进方案（说明用哪些函数、为什么），确认后再给完整代码。”

先看方案，再拿代码。 读懂它打算动哪几个函数，比复制粘贴值钱十倍。它的方案里大概率会出现这几个新鲜词，提前混个脸熟：

  • plt.annotate / plt.text：往图上”贴小纸条”，标注具体数值——它会告诉你”在每个 (x, y) 旁边写字”；
  • 循环里逐点设颜色：plt.plot(..., color="red" if v == max(totals) else "steelblue") 这类写法——画图就是画数据，数据能判断，图就能判断；
  • plt.style.use("seaborn-v0_8")：一键换”皮肤”。matplotlib 自带好几套配色皮肤，print(plt.style.available) 看清单，套上就是新闻图那味儿。

读懂方案后挑一条实现，跑起来对比前后两张 PNG——“改进”的意义不是图变好看了，是你借着改进又多认识了两个函数、一种审美。

五、四个必踩的坑（先打疫苗）

  1. show() 是”收墙”，不是”暂停”。 plt.show() 把图挂上墙的同时，这张画布就”交出去”了——show 之后再写 savefig、再加标题，全都白搭（图已经收走，你画在了一张新画布上，存出来是空白或全默认）。铁律顺序：先画完、穿好衣服 → savefig → 最后 show。今天的代码全是这个顺序，不是随手排的。
  1. 中文变”口口口”，是字体在装死。 matplotlib 默认字体（DejaVu Sans）根本不含中文，标题写”一周支出走势”，图上显示五个方框。解法就是代码开头那两行 rcParams 设置：告诉它”优先用 Noto Sans CJK SC / SimHei”。Linux 上如果还报 findfont 警告，说明这台机器没装中文字体（sudo apt install fonts-noto-cjk），装完重启程序就好。axes.unicode_minus = False 是它的孪生坑：不加这行，负号”−”也会变方框。
  1. 存图不存”截图”。 图要发出去就用 savefig 存 PNG——它是程序按 150 dpi 重新渲染的矢量级清晰图；拿系统截图工具截弹窗，尺寸、清晰度、留白全不受控，还带窗口边框。另外 bbox_inches="tight" 建议每次都带：不带它，长标题和轴名经常被裁掉半个字，存完才发现。
  1. 横轴是文字时，它不是”日期”。 plt.plot(["6月", "7月", ...]) 里的月份是普通文字标签，matplotlib 把它们当等距的分类处理——”6月”和”10月”的间距，跟”6月”和”7月”一样大。多数情况这没问题；但哪天你的数据点是不等距的真实日期（比如 11-01、11-03、11-15），用文字标签画出来的间距就是骗人的。真要画日期轴，让 AI 教你 matplotlib.dates——先把今天的坑记在小本本上，下一篇折线图会正面解决它。

六、跟AI协作的正确姿势（画图特供版）

  1. 报错整段贴，别只贴最后一行。 matplotlib 的报错又长又绕（一堆 Traceback ... File ".../pyplot.py"），但真正有用的信息常在中段（findfont: Font family 'SimHei' not found 这种）。整段贴给 AI，它一眼定位；只贴最后一行 UserWarning，它也得猜。
  1. 描述”你想要的效果”，不要描述”函数名”。 “帮我把周五那个点标红并写上数值”比”帮我用 annotate”好——前者是你的真实需求，后者是你猜的实现。让 AI 负责选函数，你负责验收效果，这是分工的正确姿势。
  1. 让AI当”审美顾问”。 图画出来后发给它：”这张图作为月报配图，专业吗？给三条改进建议。”——数据对不对你自己把关，图好不好看它真能给出靠谱意见（配色太跳、标签太密、留白不足，它都看得出）。代码要跑通，图要能看懂，两条腿都硬才叫会画图。

七、今日小练习

练习1：把账本画出来。 从第60篇的账本大脑（或者随便一个 CSV）导出”每月总支出”，画一张折线图（提示：csv.DictReader 读数据进两个列表，plt.plot(months, totals) 一条线；先跑通再加衣服）。数据点少于 5 个月就自己编半年的——重点是走通”文件 → 图”这条流水线。

练习2：给图穿全套正装并存档。 标题、横纵轴名、网格、数据点圆珠、savefig 存 PNG，一个都不能少（提示：title/xlabel/ylabel/grid(marker)，保存带 dpi=150, bbox_inches="tight"；想让图上直接标出每个点的数值，把”给数据点标数值”这个需求原话发给 AI，要方案先、代码后）。

练习3：故意踩坑疫苗2和4。 把字体设置那两行注释掉再跑一次，看看中文变没变方框；然后把月份改成真实的不等距日期（如 “11-01、11-03、11-15″）画一张图，观察间距有没有”骗人”（提示：对比 plt.plot 传文字标签和不传横轴两种画法的差别；再让 AI 用 matplotlib.dates 画一张”真日期轴”的版本，看懂它俩的区别就达标）。

下篇预告

下一篇（第62篇）：折线图 — 把趋势讲成故事。 折线图是所有图里最”会讲故事”的一种：两条线谁涨谁跌、拐点在哪、趋势是爬坡还是跳水。下一篇专攻它：多线对比、图例与配色、平滑趋势、真实日期轴——把今天开的眼界全部变成手艺。你的图，马上就要学会”开口讲故事”了。