3.4.1 可视化路线图：先选图表，再调样式

可视化不是装饰。它把分析结果变成别人能快速看懂的图。

先看选图地图

先用这个判断：

想表达的内容	先用的图表
随时间变化	折线图
类别对比	柱状图
分布	直方图或箱线图
两个数值的关系	散点图
相关矩阵	热力图

图表类型选对之后，再处理标题、坐标轴、图例、颜色和标注。

先跑一次图表

创建 visual_first_loop.py，安装 pandas 和 matplotlib 后运行。

import pandas as pd
import matplotlib.pyplot as plt

sales = pd.DataFrame(
    {
        "month": ["2026-01", "2026-02", "2026-03", "2026-04"],
        "amount": [120, 180, 160, 220],
    }
)

ax = sales.plot(x="month", y="amount", marker="o", legend=False)
ax.set_title("Monthly sales")
ax.set_xlabel("Month")
ax.set_ylabel("Amount")
plt.tight_layout()
plt.savefig("sales_trend.png", dpi=150)

print("saved: sales_trend.png")

预期输出：

saved: sales_trend.png

打开图片，只检查一件事：读者能不能在三秒内看出趋势？

按这个顺序学

顺序	阅读	练什么
1	3.4.2 Matplotlib 基础	Figure、Axes、折线/柱状/散点
2	3.4.3 Seaborn 统计可视化	更快做探索性图表
3	3.4.5 可视化最佳实践	选图、标签、颜色、误导性图表
4	3.4.4 Plotly 交互式可视化	项目需要交互时再用

通过标准

能从一个数据集做出 4 张有用图表，并说清楚每张图为什么这样选，就算通过。

检查思路与讲解

1. 合格答案要先说清问题，再指出需要的表、DataFrame 或 SQL 查询，并让清洗步骤可以复现。
2. 证据至少包含一小段输出、必要的图表或查询结果，以及一句对结果的解释。
3. 自检时要能说出一个数据质量风险，例如缺失值、重复行、错误 join、聚合误导或图表难读。

留下的证据

学完这一页，至少保留这张证据卡：

问题

这张图表回答的是比较、分布、趋势，还是关系

图表选择

折线图、柱状图、散点图、直方图、箱线图、热力图或交互式仪表板

工件

保存的图表图片/html 以及所用的数据切片

失败检查

尺度误导、图表过载、聚合错误或缺少标签

期望产出

带有一句说明洞察的图表成果