企业官网建设流程全解析

Data-Science-For-Beginners 第 09 课实战：用 Matplotlib 对数量（Quantity）做线性图、散点图与柱状图可视化

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners

本篇指南基于 Data-Science-For-Beginners 仓库第 09 课《Visualizing Quantities》（可视化数量）展开，围绕一份明尼苏达州鸟类数据集 birds.csv，完整演示如何用 Python 的 Matplotlib + Pandas 组合完成从“读入数据—画线性图—标注坐标轴—定位并过滤异常值—做分组柱状图—叠加对比”的全过程。读完后，你将能够独立完成数量类数据的三类核心图表（line / scatter / bar）绘制、用tick_params、plt.text、rcParams等 API 精细控制坐标轴与标签，并掌握“从图中发现异常值、再反向清洗数据”的实战工作流。

课程背景：为什么用鸟类数据集练“数量可视化”

本课程的定位是：当你拿到一份数据集，需要搞清楚“某个东西到底有多少”时，第一任务就是检查它的数值分布。仓库为此提供了一份已清洗过的数据集 birds.csv，共 443 条鸟类记录（不含表头），字段混合了文本与数值：

Matplotlib 的通用绘图流程可以概括为五步：识别 dataframe 中要用的列 → 对数据做必要变换 → 指定 x/y 轴的取值 → 选择图表类型 → 显示图形。本课聚焦最适合表达“数量”的三种图：线性图（line）、散点图（scatter）、柱状图（bar）。

选图原则（直接决定图表能不能讲清故事）：

• 分析随时间的趋势：线性图
• 比较数值大小：柱状图、条形图、饼图、散点图
• 展示部分与整体的关系：饼图
• 展示数据分布：散点图、柱状图
• 展示趋势：线性图、条形图
• 展示变量间的关系：线性图、散点图、气泡图

实操时，请先打开本课目录下的 notebook.ipynb 并新建单元格，所有代码都在这份 notebook 中运行。

读入数据并画出第一张线性图

数据文件位于仓库根目录的data文件夹。注意：原文档 notebook 中写的'../../data/birds.csv'是相对于 lesson 文件夹的路径，从仓库根目录看，数据就在 data/birds.csv；若你把 notebook 复制到仓库根目录运行，请相应调整为data/birds.csv。

import pandas as pd import matplotlib.pyplot as plt birds = pd.read_csv('../../data/birds.csv') birds.head()

birds.head()输出的前几行（对应 data/birds.csv 前几行）长这样：

接下来用一条最基础的 Pandas 快捷方法画出最大翼展（MaxWingspan）的线性图：

wingspan = birds['MaxWingspan'] wingspan.plot()

Series.plot()是 Pandas 对 Matplotlib 的薄封装：以序列的索引为 x 轴、数值为 y 轴画折线。第一眼看图就会立刻发现一个严重异常的“尖峰”：某个值接近 2300 厘米——也就是 23 米的翼展，明尼苏达难道有翼龙在飞？这正是本课要演示的核心工作流：不离开图表，直接在工作流内部追查异常值。

给 x 轴加标签：先暴露“标签过载”问题

线性图的 x 轴此刻只有索引数字，看不出对应哪种鸟。给坐标轴加上语义化的标题与刻度标签：

plt.title('Max Wingspan in Centimeters') plt.ylabel('Wingspan (CM)') plt.xlabel('Birds') plt.xticks(rotation=45) x = birds['Name'] y = birds['MaxWingspan'] plt.plot(x, y) plt.show()

要点解析：

• plt.xticks(rotation=45)：把 443 个鸟类名称的刻度标签旋转 45 度，缓解横向重叠；
• plt.plot(x, y)中 x 是类别标签序列（Pandas Series），Matplotlib 会把字符串当作类别轴刻度；
• 标题、轴名先设置再plt.plot，顺序不影响结果，但必须与plt.show()在同一个当前 figure 上执行。

即便旋转 45 度，443 个标签依然密到不可读。这说明当样本过多时，试图给每个点都打标签是错误策略——正确做法是换一种图型加“选择性标注”。

用散点图 +plt.text只标注异常值

策略调整为：改用散点图腾出标注空间，且只给异常值（翼展 > 500 厘米）打标签：

plt.title('Max Wingspan in Centimeters') plt.ylabel('Wingspan (CM)') plt.tick_params(axis='both',which='both',labelbottom=False,bottom=False) for i in range(len(birds)): x = birds['Name'][i] y = birds['MaxWingspan'][i] plt.plot(x, y, 'bo') if birds['MaxWingspan'][i] > 500: plt.text(x, y * (1 - 0.05), birds['Name'][i], fontsize=12) plt.show()

这段代码逐行拆解：

图中浮在高空的两个标签就是异常值：Bald eagle（白头海雕）与 Prairie falcon（草原隼）。

过滤异常值：从“看图”回到“改数据”

结合常识判断：一只翼展 25 米的白头海雕几乎不可能存在——真实翼展约 2 米出头。回查数据源 data/birds.csv 可以确认，这两条记录的数值多写了一个0：Bald eagle 的MaxWingspan为 2300（正常应为 230），Prairie falcon 为 1100（正常应为 110）。这是典型的录入错误（typo）型异常值。

本课给出的处理方式是：先不修改原始数据，而是在绘图时用名称白名单把它们排除掉，观察过滤后的数据形态：

plt.title('Max Wingspan in Centimeters') plt.ylabel('Wingspan (CM)') plt.xlabel('Birds') plt.tick_params(axis='both',which='both',labelbottom=False,bottom=False) for i in range(len(birds)): x = birds['Name'][i] y = birds['MaxWingspan'][i] if birds['Name'][i] not in ['Bald eagle', 'Prairie falcon']: plt.plot(x, y, 'bo') plt.show()

过滤掉两个异常点后，整个分布立刻变得紧凑且可理解——这就是“可视化驱动的数据清洗”：图先暴露问题，数据再修正问题。后续练习不依赖翼展数值，你也可以选择：过滤这两条记录、或直接修正 CSV 中的笔误。

从分布走向计数：用柱状图回答“有多少”

线性图与散点图展示的是单个数值的分布；而“数量”问题更常问的是分组计数，例如：

• 有多少个鸟类类别（Category），各自数量是多少？
• 有多少种鸟是灭绝、濒危、罕见还是常见的？
• 按林奈分类学，各属（Genus）、各目（Order）分别有多少？

柱状图正是回答这类问题的工具。

反例：直接对全量数据堆叠

最直接的写法是把整个 dataframe 丢给 Pandas 的绘图接口：

birds.plot(x='Category', kind='bar', stacked=True, title='Birds of Minnesota')

这张图不可读：每个类别下又按 443 条记录堆叠，柱子内部毫无意义地拥挤。这个反例本身就是一课：柱状图不能对着原始明细数据画，必须先做聚合。

正例：Pandas 聚合 + Matplotlib 绘图

正确分工是：Pandas 负责管理数据（分组、计数、排序），Matplotlib 只负责画图。统计每个Category出现的次数并按数量排序，再把图拉高以适应类别数量：

category_count = birds.value_counts(birds['Category'].values, sort=True) plt.rcParams['figure.figsize'] = [6, 12] category_count.plot.barh()

参数说明：

• value_counts(..., sort=True)：对类别数组计数并降序排列，结果是一个索引为类别名、值为计数的 Series；
• plt.rcParams['figure.figsize'] = [6, 12]：把画布从默认约 6.4x4.8 英寸改为 6x12 英寸的竖版，容纳全部类别；
• plot.barh()：横向条形图（bar horizontal），类别名天然适合横向展示长文本标签。

对 data/birds.csv 做分组计数可以验证这一结论：全表共 53 个类别，其中Ducks/Geese/Waterfowl（鸭/雁/水禽）以 45 种居首，其后是New World warblers（41 种）、Sandpipers/Allies（34 种）、Gulls/Terns/Skimmers（28 种）。一眼就能看出该地区鸟类以水禽为主——明尼苏达号称“万湖之州”，完全符合预期。也可以自己换ConservationStatus、Genus、Order等列再做计数，看看还有什么意外发现。

组间比较：新建坐标轴与叠加绘制

比较各类别的 MaxLength

换一个维度：比较每个类别的MaxLength（体长上限）：

maxlength = birds['MaxLength'] plt.barh(y=birds['Category'], width=maxlength) plt.rcParams['figure.figsize'] = [6, 12] plt.show()

注意这里的写法与前例不同：直接调用 Matplotlib 的plt.barh，用原始明细数据逐条画横条，而不是先聚合。结果：蜂鸟（Hummingbirds）的 MaxLength 最小，鹈鹕、大雁类最大——数据讲出了一个符合常识的故事。

叠加 Min/Max 看区间

更进一步的技巧是在同一坐标轴上叠加两次barh，把同一类别的最小长度和最大长度画在一起，形成区间对比：

minLength = birds['MinLength'] maxLength = birds['MaxLength'] category = birds['Category'] plt.barh(category, maxLength) plt.barh(category, minLength) plt.show()

两次调用共享同一个 figure，后画的短条（MinLength）叠在先画的长条（MaxLength）之上，肉眼看即可读出每个类别的长度区间。从图上可以得出一个稳健结论：鸟越大，体长区间的绝对跨度也越大——大鸟的 Min/Max 差值明显宽于小鸟。

小结与延伸练习

本课的完整技能链是：

1. pd.read_csv读入混合类型数据，head()检查结构；
2. Series.plot()快速出图，用“反直觉的尖峰”定位异常值；
3. plt.xticks(rotation=45)处理刻度旋转，tick_params隐藏刻度、plt.text做选择性标注；
4. 用value_counts(sort=True)聚合 +plot.barh()+rcParams['figure.figsize']输出可读的分组计数图；
5. 用两次plt.barh叠加展示区间，做组间比较。

课后练习（对应 assignment.md）：选一个具体物种（例如 Snow goose 雪雁），围绕它建一个 notebook，综合运用线性图、散点图、柱状图三种图型讲一个完整的数据故事。评分标准看三要素：注释是否到位、故事线是否连贯、图表是否美观。

延伸阅读：本仓库后续课程会继续用同一份鸟类数据集展开分布可视化（直方图、密度图）与比例可视化（饼图、华夫图）等主题；Matplotlib 官方提供 PDF 版 cheatsheet 可作日常速查；若需要交互式图表，可自行研究 Plotly 等替代库。

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners