掌握matplotlib和seaborn绘图核心在于数据对齐、坐标轴控制与图例清晰：折线图重趋势表达与色弱友好标注，柱状图重分类对比与零起点规范，组合图需双y轴明确标注，辅以样式统一与高清导出。
用 Python 绘制折线图和柱状图，核心是掌握 matplotlib 和 seaborn 的基础用法，关键不在代码多，而在数据对齐、坐标轴控制和图例清晰。
折线图：时间序列或趋势对比要突出变化
适合展示数值随时间/顺序的变化趋势。注意横轴类型（日期、数字、类别）会影响绘图方式：
- 若横轴是日期，用
pd.to_datetime()转换后直接传入plt.plot()，matplotlib 会自动优化刻度 - 多条折线共图时，用不同颜色+带标签的图例，避免仅靠颜色区分（色弱友好）：加
label='2023'后调plt.legend() - 想强调拐点或异常值，可用
plt.scatter(x, y, s=30, zorder=5)单独标出，zorder控制图层前后
柱状图：分类统计需明确对比基准
重点是让类别间差异一目了然，避免误导性拉伸或压缩：
- 单组柱状图用
plt.bar(x, height)；分组并列（如各城市2022/2023销量），推荐seaborn.barplot()，自动处理分组、误差线和配色 - 纵轴起点不从0开始？谨慎！除非有明确说明，否则易放大微小差异——用
plt.ylim(0, max_value * 1.1)确保起点为0 - 横轴标签过长导致重叠？用
plt.xticks(rotation=45, ha='right')倾斜显示，并设置水平对齐方式
组合图表：折线+柱状图共存要协调坐标系
例如：柱子表示月销量，折线表示累计同比——需双Y轴，但必须标注清楚单位和含义：
立即学习“Python免费学习笔记（深入）”；
- 主Y轴画柱状图：
ax1 = plt.gca()，然后ax1.bar(...) - 新增次Y轴：
ax2 = ax1.twinx()，再ax2.plot(...) - 分别设置左右轴标签：
ax1.set_ylabel('销量（万件）')，ax2.set_ylabel('同比增长率（%）') - 图例合并显示：用
lines1, labels1 = ax1.get_legend_handles_labels()和lines2, labels2 = ax2.get_legend_handles_labels()拼接后统一添加
通用提效细节：少写代码，多看效果
不必每次重设字体、网格、边框——用 plt.style.use('seaborn-v0_8') 或自定义 rcParams：
- 统一中文字体防乱码：
plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS'] - 开启网格提升可读性：
plt.grid(True, linestyle='--', alpha=0.6) - 保存高清图：
plt.savefig('chart.png', dpi=300, bbox_inches='tight')，bbox_inches='tight'防标题或标签被截断
不复杂但容易忽略。画完别急着导出，先盯着图问自己：信息是否准确？重点是否突出？别人3秒内能不能看懂？
