企业官网建设流程全解析

做数据分析的人，十有八九都绕不开这两个库：NumPy负责把数据变成能算的数组，Matplotlib负责把算完的结果变成能看的图。我最早接触Python数据分析时，最直观的感受就是——光会调函数没用，得先把“数据在NumPy里怎么流动、到Matplotlib里怎么映射”这条链路想清楚，后面画图才能又快又稳。这篇内容就是专门聊一聊“Numpy之matplotlib”这个组合，不讲虚的，只讲怎么用NumPy生成、清洗、统计出结果，再交给Matplotlib变成折线图、散点图、柱状图和直方图，同时把中文乱码、坐标轴负号、子图布局这些高频坑一起排掉。适合刚入门Python数据分析的初学者，也适合那些经常画图但总在细节上返工的同学。

1. 先把定位搞清楚：NumPy算数据，Matplotlib画数据

1.1 两个库的分工，别再混着用

NumPy的核心是ndarray对象，也就是高维数组。它负责的事情包括：生成数据（np.linspace、np.arange、np.random）、数学运算（np.sin、np.exp、np.mean、np.std）、索引切片、条件筛选、排序聚合。说白了，它是整个数据处理流程里的“计算层”。

Matplotlib的核心是Figure和Axes。Figure是一整张画布，Axes是画布上具体的坐标系区域。它负责的事情是把数据点映射成点、线、柱、面积，再配上坐标轴、图例、标题。也就是数据的“表达层”。

可以把这个组合理解成后厨的关系：NumPy像备菜工，负责洗菜、切菜、腌制；Matplotlib像掌勺厨师，负责把处理好的食材变成一盘能端上桌的菜。食材没处理好，厨师再厉害也白搭；菜摆盘再好看，食材不新鲜也露馅。

为什么这对组合在数据分析里如此常见？因为不管数据来自CSV文件、数据库还是接口返回，进入Python之后第一步基本都是想办法转成ndarray，然后做清洗和计算。计算完的结果天然是ndarray，而Matplotlib的绘图函数恰好直接接收这个结构，不需要你再转成纯Python列表，省掉的不仅是转换代码，还有大量不必要的循环损耗。

很多人觉得数据量小，用纯Python列表也能算，没必要上NumPy。这个观点在几百个点的时候确实没毛病，可一旦上了几万、几十万个点，纯Python的for循环能慢到让你怀疑人生。NumPy的向量化运算底层是C实现，一条代码把循环整个干掉。我在某次处理实验数据时，用纯Python循环处理十万条样本，一次跑了好几分钟，改成NumPy向量化之后秒出结果。这种差距在画图前的数据清洗阶段尤其明显。

1.2 为什么数据非要在NumPy里“过一遍”再画

我见过不少新手，拿到数据直接往plt.plot里塞，结果图是出来了，后面要加个统计指标、要筛个异常值、要按区间聚合，全得从头再来一遍。原因就是没在画图前利用NumPy把数据处理干净。

真实业务里的数据很少是干净的。缺了值、单位不统一、异常点横冲直撞，这些情况如果在绘图之前不处理，图上就会出现莫名其妙的长线和尖峰。NumPy的价值就在于，你可以在数组层面上快速完成：

• 去缺失值：用布尔索引把包含空值的行筛掉
• 修剪异常值：np.clip把超出合理区间的值压回边界
• 归一化：数组减去均值再除以标准差，标准做法，代码就一行
• 排序和去重：np.sort、np.unique配合return_counts参数

处理完之后，数据结构依然是ndarray，拿来画图刚刚好。所以我的习惯是：先花80%的精力用NumPy把数据整理到“可画”的程度，再用20%精力调Matplotlib样式，图的质量自然就上来了。反过来的话，图改十遍也救不了一组脏数据。

2. 从NumPy数组到第一张图：核心工作流拆解

2.1 用NumPy快速造出“能画图的数据”

实际项目里数据源五花八门，但学习阶段最方便的方式是先用NumPy生成模拟数据。画图本质上是把两个序列对应起来：一个放在x轴，一个放在y轴，所以第一步永远是确定x怎么来、y怎么来。

最常见的数据生成函数有三个：

• np.linspace(start, stop, num)：在区间内生成num个等差点，包含首尾，画曲线最常用。
• np.arange(start, stop, step)：按步长生成等差序列，类似range但返回数组。
• np.random.randn(n) 和 np.random.rand(n)：生成标准正态分布或[0,1)均匀分布的随机数组，适合模拟噪声和散点。

比如要画一条正弦曲线：

import numpy as np import matplotlib.pyplot as plt x = np.linspace(0, 2 * np.pi, 100) y = np.sin(x)

这段代码的意思是在[0, 2π]之间均匀取100个点作为x轴坐标，再对每个x计算正弦值作为y轴坐标。为什么用100个点而不是10个？因为点太少画出来就是一段段折线，点足够密曲线才平滑。至于图上要多少个点，取决于你对平滑度的要求，一般曲线100到500个点就够用了。

2.2 最简单也最常用的两种图：折线图和散点图

折线图适合展示连续变化趋势，散点图适合展示离散分布和相关性。这两种图是后续所有复杂图表的地基。

推荐直接使用面向对象的写法：

# 折线图 x = np.linspace(0, 2 * np.pi, 100) y = np.sin(x) fig, ax = plt.subplots(figsize=(8, 5)) ax.plot(x, y, label='sin(x)', color='#2E86AB') ax.set_title('正弦曲线') ax.set_xlabel('x (rad)') ax.set_ylabel('sin(x)') ax.legend() ax.grid(True) plt.show()

# 散点图 np.random.seed(42) x = np.random.randn(200) y = 2 * x + np.random.randn(200) * 0.5 fig, ax = plt.subplots(figsize=(8, 6)) ax.scatter(x, y, s=20, alpha=0.7) ax.set_title('带噪声的线性关系') ax.set_xlabel('x') ax.set_ylabel('y=2x+noise') plt.show()

为什么不用plt.plot一路画到底？plt.plot是pyplot接口，底层隐藏了一个“当前axes”的概念，简单画一两次没问题，但一旦画多个子图、需要精细控制坐标轴范围或共用坐标轴时，面向对象接口更稳。我一开始也习惯plt.plot，后来做多子图画错了好几次内容，才彻底改成fig, ax = plt.subplots()的写法，后面几乎没有再犯过类似错误。

2.3 把NumPy的计算结果直接喂给Matplotlib

要理解的一点是：plot、scatter这些函数接收ndarray，不需要手动转成list。实际场景里画的不会只有sin和cos，往往是对数据做了一堆统计、归一化、排序之后，再把结果直接扔给绘图。

举个常见例子，模拟带噪声的信号，再叠加均值参考线：

np.random.seed(10) x = np.linspace(0, 4 * np.pi, 300) signal = np.sin(x) + np.random.normal(0, 0.2, size=x.shape) mean_val = np.mean(signal) fig, ax = plt.subplots(figsize=(10, 5)) ax.plot(x, signal, label='带噪声信号', alpha=0.7) ax.axhline(y=mean_val, color='red', linestyle='--', label=f'均值={mean_val:.2f}') ax.legend() plt.show()

这里的axhline是Matplotlib画水平参考线的方法。先用np.mean算出信号的均值，再画成一条虚线当辅助线，一眼就能看出噪声信号的整体水平。这种“先用NumPy算一个统计值，再画到图上当参考线”的做法，在业务汇报图表里非常实用。

2.4 让图表“看得懂”：标题、轴标签、图例、网格

很多新人画完图就不管了，x轴、y轴代表什么都不写，拿给同事看别人满头问号。图表的意义是让别人在几秒内看懂，所以基础要素必须补齐：

• title：图表标题，一句话说明这张图讲什么
• xlabel/ylabel：坐标轴含义和单位
• legend：区分多条曲线
• grid：网格线，辅助读数
• 颜色、线宽、透明度：控制视觉层次，但别堆太多颜色

我见过一个很有意思的对比：同一组数据，一个人画出来的图只有一条蓝线，看不出重点；另一个人加了标题、轴标签、均值参考线和重点区域着色，呈现效果完全不一样。后者并没有用多高深的技术，只是把图表要素补齐了。

3. 高频实战场景：NumPy预处理 + Matplotlib可视化

3.1 排序、筛选后绘图：数据清理的第一步

场景设计：模拟某城市一年365天的每日最高气温，把超过32度的“高温天”标出来。这个任务里NumPy负责生成和筛选，Matplotlib负责展示。

temps = np.random.normal(loc=25, scale=8, size=365) temps = np.clip(temps, 0, None) hot_indices = np.where(temps > 32)[0] hot_values = temps[hot_indices] fig, ax = plt.subplots(figsize=(12, 5)) ax.plot(np.arange(1, 366), temps, label='每日最高气温', alpha=0.7) ax.scatter(hot_indices + 1, hot_values, color='red', s=12, label='高温天(>32°C)') ax.axhline(y=32, color='orange', linestyle='--', label='32°C警戒线') ax.legend() plt.show()

这里有个很多人踩过的坑：如果只写hot_values = temps[temps > 32]，确实能拿到超过32度的温度值，但丢掉了它们在第几天出现的信息。散点图需要x轴和y轴一一对应，所以要用np.where取索引，再通过索引去数组里取值。np.clip的作用是把不可能的负值修剪到0，属于画图前的数据清洗动作。

热浪天数、低温天数、超过某阈值的数据点，这类“筛选后标点”的需求在气象、运维监控、设备告警里到处都是，套路都是同一个：先用np.where拿到位置，再用散点图把特殊点突出。

3.2 聚合统计：从一堆数字到柱状图、直方图

场景设计：模拟一批用户的年龄段数据，看年龄分布；再模拟一批订单的类别数据，看类别占比。

直方图适合看数值型数据的分布：

ages = np.random.randint(18, 60, size=500) fig, ax = plt.subplots(figsize=(8, 5)) ax.hist(ages, bins=15, edgecolor='white') ax.set_title('用户年龄分布直方图') ax.set_xlabel('年龄') ax.set_ylabel('人数') plt.show()

柱状图适合看类别型数据的频次：

categories = np.random.choice(['A', 'B', 'C', 'D'], size=200, p=[0.1, 0.3, 0.4, 0.2]) unique_cats, counts = np.unique(categories, return_counts=True) fig, ax = plt.subplots(figsize=(7, 5)) ax.bar(unique_cats, counts) ax.set_title('类别频次柱状图') ax.set_xlabel('类别') ax.set_ylabel('频次') plt.show()

柱状图和直方图长得像，但本质不一样：柱状图的x轴是离散类别，柱与柱之间有空隙；直方图的x轴是连续数值区间，柱之间紧密相连。hist内部其实就调用了np.histogram，如果你已经算好了频次，也可以用count, edges = np.histogram(ages, bins=15)，然后ax.bar(edges[:-1], count, width=...)自己画。

bins参数值得多讲两句：bins太少看不到分布细节，bins太多会显得杂乱。我一般先取10到20之间试，观察形状稳定了再定。用np.histogram的好处是你还能拿到频次数据本身，方便画完后继续做百分比计算。

3.3 随机数模拟与蒙特卡洛思路：散点图展示相关性

场景设计：构造两个变量，一个带噪声的线性关系，用散点图观察它们的相关性。这个套路在做回归分析、特征筛选时经常用到。

np.random.seed(42) x = np.random.randn(300) y = 2 * x + np.random.randn(300) * 0.5 corr = np.corrcoef(x, y)[0, 1] fig, ax = plt.subplots(figsize=(7, 6)) ax.scatter(x, y, s=25, alpha=0.6) ax.set_title(f'x与y的散点图 (相关系数r={corr:.2f})') ax.set_xlabel('x') ax.set_ylabel('y=2x+noise') plt.show()

为什么一定要加np.random.seed(42)？它保证每次运行生成的随机数都相同。复现实验结果、排查问题时太重要了。你换一个随机数，图长得都不一样，问题就没法讨论。我习惯在脚本开头固定一个种子，之后反复调整绘图参数，图的内容始终一致。

相关系数可以用np.corrcoef直接算出来，然后写进标题里。r越接近1正相关越强，越接近-1负相关越强，接近0基本无关。这个值配合散点图，比单纯看点的形状更有说服力。在探索性数据分析阶段，我会一口气用散点图矩阵看多个变量两两之间的关系，先找方向，再深入建模。

3.4 移动平均线示例：金融数据的朴素可视化

场景设计：模拟一只股票60个交易日的收盘价，计算MA5和MA20并绘制。这里特别说明，用的是纯模拟数据，只是演示技术指标的可视化方法，不构成任何投资建议。

price = 100 + np.cumsum(np.random.randn(60)) * 2 def moving_average(data, window): return np.convolve(data, np.ones(window) / window, mode='valid') ma5 = moving_average(price, 5) ma20 = moving_average(price, 20) x = np.arange(1, 61) fig, ax = plt.subplots(figsize=(12, 6)) ax.plot(x, price, label='模拟收盘价', alpha=0.7) ax.plot(x[4:], ma5, label='MA5') ax.plot(x[19:], ma20, label='MA20') ax.legend() plt.show()

画图时最麻烦的是x轴对齐：price有60个点，MA5只有56个点，MA20只有41个点。直接用ax.plot(ma5)的话，这条线会从x=0开始，跟价格曲线对不上。

np.convolve(data, np.ones(window)/window, mode='valid')的含义是用一个长度为window、所有值都为1/window的窗口去滑动平均。valid模式会丢弃窗口不满5个或20个数据的边界区域，所以返回结果更短。MA5对应当前第5个交易日开始，因此x轴要从x[4:]对齐；MA20要从x[19:]对齐。这种偏移对齐在以后所有滑动窗口计算里都会遇到，学会一次就能迁移使用。

均线这种东西，虽然现在很多人说技术分析不靠谱，但它作为趋势平滑工具，能把价格数据的短期波动抹平，让眼睛更容易看出方向。用NumPy的卷积操作两三行就写完均线计算，比手动循环快得多，也更容易复用。

4. 先避开这些坑：Matplotlib和NumPy联调高频问题

4.1 中文乱码：字体设置是第一步

中文乱码是初学者遇到最多的一个问题，表现就是图里的中文标题、标签全部变成一个个小方块。

原因很简单：Matplotlib默认字体不支持中文字符。解决方式是在绘图代码前面设置字体：

import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # Windows黑体 plt.rcParams['axes.unicode_minus'] = False

不同系统的可用字体不太一样。Windows下常用SimHei或Microsoft YaHei，macOS下用PingFang SC，Linux下用Noto Sans CJK SC。如果你的环境装了对字体，也可以直接用对应名字。

有一个细节容易忽略：字体设置必须放在所有绘图代码之前。图已经创建后再改字体，经常不会生效。我习惯把这两行rcParams放在脚本最顶部，导入模块之后立刻设置，后面再画图就全部正常了。

4.2 负号显示成方块：axes.unicode_minus

设置了中文字体之后，坐标轴上的负数可能会变成一个小方块或者乱码。原因是默认字体在渲染数学减号的时候跟普通文本减号不一致。

解决办法就是上面那句： plt.rcParams['axes.unicode_minus'] = False

这行代码的意思是让坐标轴使用普通ASCII减号来显示负数，绝大多数场景下都安全。我经常看到有人设置了中文字体，负号还是方块，到处问为什么，其实就是漏了这一行。这两个设置最好捆绑出现，一次写全，省得后面再排查。

4.3 x和y长度不一致：先查shape再谈画图

报错信息很典型：x and y must have same first dimension, but have shapes (100,) and (101,)。意思就是x轴100个点，y轴101个点，没法对应。

最快的排查办法是打印形状： print(x.shape, y.shape)

常见出错场景：

• 筛选后没有重新检查数组长度
• 在循环里append数据时少append一次
• 两个数据源的行数本来就不一样，没有做对齐

还有一个隐藏比较深的场景：用np.where取索引时，忘了它返回的是一个元组，要取[0]才是数组。我在3.1节写的就是hot_indices = np.where(temps > 32)[0]，这个[0]很容易漏。漏掉之后，拿一个包含数组的元组去索引数据，得到的形状就乱了。

4.4 多子图布局：subplots的索引别搞混

用plt.subplots(2, 2)会返回figure和一个2x2的axes数组，画图时必须用axes[0,0]、axes[0,1]这种索引明确指定画到哪个位置。

常见错误是：明明创建了4个子图，结果用plt.plot画图，全部画到最后一个子图上去了。原因是plt.plot默认操作的是“当前axes”，在多子图场景里，当前axes不一定是你想画的那个。

推荐写法：

fig, axes = plt.subplots(2, 2, figsize=(12, 8)) axes[0, 0].plot(x1, y1) axes[0, 1].plot(x2, y2) axes[1, 0].plot(x3, y3) axes[1, 1].plot(x4, y4) plt.tight_layout() plt.show()

tight_layout的作用是自动调整子图间距，避免标题或轴标签互相重叠。如果还想让4个子图共用x轴或y轴，可以用sharex=True、sharey=True参数，这样坐标轴范围一致，对比起来更方便。

4.5 保存图片的坑：模糊、空白、不显示

保存图片也是高频问题。很多人上来就plt.savefig('fig.png')，结果图片模糊、白边巨大，甚至一片空白。

关键参数是这几个：

fig, ax = plt.subplots(figsize=(8, 5)) ax.plot(x, y) plt.savefig('output.png', dpi=300, bbox_inches='tight') plt.show()

dpi=300控制清晰度，默认值100在放大图片时会有明显锯齿感。bbox_inches='tight'会自动裁掉图片四周多余空白，让内容紧凑。还有一个顺序问题：保存图片应该放在plt.show()之前。如果在show之后调用savefig，保存下来的往往是一张空白图，因为画布已经被释放了。

如果你跟朋友协作，需要把很多图表统一保存，可以考虑把保存封装成一个函数，统一处理dpi、路径、格式，替换起来也方便。

5. 从“能出图”到“出好图”：我的几点真实体会

5.1 先想清楚图给谁看，再动手画

我刚开始学这些的时候，总是想把所有数据都画成折线图，因为折线图看起来“很技术”。后来有一次做模拟项目X的数据分析，导师看了我的图，说这像一幅外星信号图，看不出来重点。换成了柱状图加散点图的组合之后，数据之间的关系一目了然。

图表选择不是越炫越好。想对比大小，用柱状图；想看趋势，用折线图；想看分布，用直方图；想看相关性，用散点图。先想清楚“这张图要给谁看、看什么”，再去选类型，比不断调颜色和字体重要得多。

5.2 把rcParams配置固定下来

不同项目里翻来覆去设置字体和画布，是很烦的一件事。我的做法是把常用配置写成一段固定的初始化代码，放在一个公共模块里，每次绘图自动加载。

plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False plt.rcParams['figure.dpi'] = 100 plt.rcParams['savefig.dpi'] = 300 plt.rcParams['axes.grid'] = True

这样每张图的风格基本统一，省掉重复设置。尤其在做系列图表时，统一风格会让整个报告看起来更专业。颜色方面我也习惯用固定的几种色系，一张图最多三种颜色，重要数据用深色，次要数据用浅色加透明度，层次感自然就出来了。

5.3 调试小技巧：看不清数据就先画点

如果对数据本身没把握，不要一上来就用plot画折线。折线会把点连起来，个别数据跳变的地方会被“平滑”盖过去。改用ax.plot(x, y, 'o')把点画出来，异常点立刻现原形。

另一个小技巧是调整坐标轴范围来突出重点，用ax.set_xlim和ax.set_ylim直接框住你关心的区间。比如只看最近20天的走势，就把x轴范围设为[40, 60]，图表立刻聚焦到有用的部分。画布大小也很值得调，图形太挤的时候，用fig.set_size_inches把整张图拉大，比改字号的体验好得多。

最后再分享一个习惯：每张图写完，我都会先打印一下数据的基本统计量，比如np.mean、np.std、np.min、np.max。如果图上曲线的均值和统计数据对不上，那肯定是数据处理环节出了问题，早发现早修，别等图都放进报告了才回头找bug。这套NumPy加Matplotlib的工作流，我用到现在，依然觉得它是最靠谱的组合——一个负责把数据讲清楚，一个负责把数据讲明白。