1. 簡介

在數據分析中，可視化是理解數據的關鍵，能夠幫助我們更快地發現趨勢與模式。Python 提供了多種強大的繪圖工具，如 Matplotlib（基礎繪圖）、Seaborn（統計視覺化）和 Plotly（互動式圖表）。本文將介紹這三種工具的基本用法，並透過實戰案例展示如何用 Python 繪製統計圖表。

2. Matplotlib：Python 最基本的繪圖工具

Matplotlib 是 Python 中最常用的 2D 繪圖庫，適合用於繪製折線圖、長條圖、散佈圖等基本圖表。

2.1 Matplotlib 基本概念

Matplotlib 的核心組成包含：

• Figure（圖像）：整個畫布

• Axes（座標軸）：圖像中的子區域

• Plot（圖表）：實際的數據線條或圖表

2.2 Matplotlib 繪製折線圖

import matplotlib.pyplot as plt

# 建立數據
x = [1, 2, 3, 4, 5]
y = [10, 20, 15, 25, 30]

# 繪製折線圖
plt.plot(x, y, marker='o', linestyle='-', color='b', label="數據趨勢")
plt.xlabel("時間")
plt.ylabel("數值")
plt.title("折線圖示例")
plt.legend()
plt.show()

這段程式碼繪製了一個基本折線圖，並標註了座標軸名稱和圖例。

3. Seaborn：更高級的統計圖表

Seaborn 是基於 Matplotlib 的進階數據可視化庫，提供更精美的統計圖表，如直方圖、箱型圖、散佈圖等。

3.1 Seaborn 長條圖

import seaborn as sns
import matplotlib.pyplot as plt

# 建立數據
data = {'類別': ['A', 'B', 'C', 'D'],
        '值': [30, 80, 45, 60]}
import pandas as pd
df = pd.DataFrame(data)

# 繪製長條圖
sns.barplot(x='類別', y='值', data=df)
plt.title("長條圖示例")
plt.show()

Seaborn 讓我們能夠快速繪製出統計風格的長條圖，比起 Matplotlib，更適合數據分析與報告製作。

4. Plotly：互動式圖表

Plotly 是一個強大的可視化工具，支援 互動式圖表，適用於 Web 應用與動態報告。

4.1 Plotly 互動式折線圖

import seaborn as sns
import matplotlib.pyplot as plt

# 建立數據
data = {'類別': ['A', 'B', 'C', 'D'],
        '值': [30, 80, 45, 60]}
import pandas as pd
df = pd.DataFrame(data)

# 繪製長條圖
sns.barplot(x='類別', y='值', data=df)
plt.title("長條圖示例")
plt.show()

這樣的圖表可以放大、縮小，甚至可以用滑鼠查看數據點的詳細資訊。

5. 實戰案例：用 Python 繪製數據分析報告

假設我們有一組電商銷售數據，我們可以使用 Matplotlib 和 Seaborn 來進行可視化。

5.1 建立測試數據

import numpy as np

# 生成銷售數據
np.random.seed(42)
days = np.arange(1, 31)
sales = np.random.randint(50, 200, size=30)

df = pd.DataFrame({'日期': days, '銷售額': sales})

5.2 繪製銷售趨勢圖

plt.figure(figsize=(10, 5))
plt.plot(df['日期'], df['銷售額'], marker='o', linestyle='-')
plt.xlabel("日期")
plt.ylabel("銷售額")
plt.title("每日銷售趨勢")
plt.grid()
plt.show()

5.3 繪製銷售額分布圖

sns.histplot(df['銷售額'], bins=10, kde=True)
plt.title("銷售額分佈")
plt.show()

這些圖表能夠幫助我們分析銷售趨勢，並找出最常見的銷售額範圍。

6. 結論

本文介紹了 Python 三大常見的數據視覺化工具：

• Matplotlib：適合基礎繪圖

• Seaborn：適合統計數據視覺化

• Plotly：適合製作互動式圖表

當你需要做數據分析時，選擇適合的工具可以大幅提高效率。希望這篇文章能幫助你入門 Python 繪製統計圖表！