4、可视化入门：用Matplotlib绘制日用电量折线图，直观感受用电波动
数据拿到手了，也清洗干净了。接下来做什么？
我个人习惯，第一步不是跑模型，也不是算统计量。而是——画图。
为什么？因为数字是冰冷的，但图表会说话。你盯着几百行用电数据看半天，可能啥也看不出来。但一张折线图甩出来，哪天用电多、哪天用电少，一目了然。说白了，可视化是数据分析的“眼睛”。
本章核心目标：用 Matplotlib 画出你家一周的日用电量折线图，学会看图说话。
4.1 为什么要先画图？
我记得刚入行那会儿，带我的老工程师说过一句话：“先看图，再说话。” 这句话我记到现在。
你想想看，如果给你一堆数字：
- 周一：12.3 kWh
- 周二：11.8 kWh
- 周三：15.6 kWh
- 周四：9.2 kWh
- 周五：14.1 kWh
- 周六：18.7 kWh
- 周日：20.3 kWh
你能一眼看出规律吗？可能有点费劲。但画成折线图，周末用电飙升的趋势，一眼就能抓住。
这就是可视化的力量——把抽象的数据变成直观的图形。对于家庭能源管理来说，折线图能帮你快速发现：
- 哪几天用电异常高（可能空调开太猛了）
- 工作日和周末的用电差异
- 有没有明显的周期性规律
小提示： 我在项目中遇到过，有些同学一上来就搞复杂模型，结果数据本身就有问题，白忙活一场。先画图，能帮你提前发现数据中的“坑”。
4.2 Matplotlib 快速上手
Python 里画图的库很多，但 Matplotlib 是“老大哥”。它功能强大，而且几乎所有数据分析库都兼容它。
安装很简单，如果你用的是 Anaconda，它已经内置了。如果没有，终端里敲一行：
pip install matplotlib然后导入它。我个人习惯给它起个短别名：
import matplotlib.pyplot as plt嗯，这里要注意：pyplot 是 Matplotlib 里的一个子模块，它提供了类似 MATLAB 的绘图接口。我们日常画图，基本都用它。
4.3 画第一张折线图
好，咱们直接上手。假设我们已经有了一个星期的用电数据，存在两个列表里：
# 日期标签
days = ['周一', '周二', '周三', '周四', '周五', '周六', '周日']
# 对应的日用电量（单位：kWh）
usage = [12.3, 11.8, 15.6, 9.2, 14.1, 18.7, 20.3]画折线图，核心就一个函数：plt.plot()
plt.plot(days, usage)
plt.show()就这么两行，图就出来了。但说实话，这图太“素”了——没有标题，没有标签，别人看了也不知道在表达什么。
所以，我建议你养成好习惯，画图时至少加上标题和轴标签：
plt.plot(days, usage)
# 添加标题和标签
plt.title('家庭日用电量折线图')
plt.xlabel('星期')
plt.ylabel('用电量 (kWh)')
plt.show()你看，这样是不是清楚多了？
核心口诀： 画图三步走——数据、标题、标签。缺一不可。
4.4 让图表更“专业”一点
基础图有了，但看起来还是有点单调。我在做项目时，通常会再加几样东西：
- 网格线：方便读数
- 标记点：突出每个数据点的位置
- 线条样式：让图更美观
来看看怎么加：
plt.plot(days, usage, marker='o', linestyle='-', color='b', linewidth=2)
plt.title('家庭日用电量折线图')
plt.xlabel('星期')
plt.ylabel('用电量 (kWh)')
# 添加网格线
plt.grid(True, linestyle='--', alpha=0.6)
plt.show()解释一下参数：
marker='o'：每个数据点用圆圈标记linestyle='-'：实线连接color='b'：蓝色线条linewidth=2：线条粗细plt.grid(True)：打开网格，alpha控制透明度
嗯，这里有个小技巧：网格线的透明度我一般设 0.3~0.6，太深了会抢了数据本身的风头。
4.5 避坑指南：中文显示问题
我曾经踩过的坑： 第一次用 Matplotlib 画中文标题，结果出来全是方框。当时我还以为是代码写错了，折腾了半天才发现是字体问题。
Matplotlib 默认字体不支持中文。解决办法很简单，指定一个支持中文的字体就行：
# 在绘图前加上这两行
plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定黑体
plt.rcParams['axes.unicode_minus'] = False # 解决负号显示问题如果你用的是 Mac，可以把 SimHei 换成 Arial Unicode MS 或者 PingFang SC。Linux 用户可以用 WenQuanYi Micro Hei。
加了这两行，中文就能正常显示了。记住，这是每次画图前都要做的“准备工作”。
4.6 知识体系总览
为了让你更清楚地理解本章的知识结构，我画了一张图：
4.7 完整代码示例
最后，给你一个可以直接运行的完整代码。把下面这段复制到你的 Python 环境里试试：
import matplotlib.pyplot as plt
# 解决中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 数据
days = ['周一', '周二', '周三', '周四', '周五', '周六', '周日']
usage = [12.3, 11.8, 15.6, 9.2, 14.1, 18.7, 20.3]
# 绘图
plt.plot(days, usage, marker='o', linestyle='-', color='#2ecc71', linewidth=2, markersize=8)
# 装饰
plt.title('家庭日用电量折线图', fontsize=16, fontweight='bold')
plt.xlabel('星期', fontsize=12)
plt.ylabel('用电量 (kWh)', fontsize=12)
plt.grid(True, linestyle='--', alpha=0.4)
# 显示
plt.tight_layout()
plt.show()运行之后，你会看到一张漂亮的折线图。周末用电量明显高于工作日，对吧？这就是可视化带给你的“第一印象”。
我的习惯： 每次画完图，我都会盯着看 10 秒钟。问自己三个问题——趋势是什么？有没有异常点？这个图讲了一个什么故事？
好了，这一章就到这里。你学会了用 Matplotlib 画折线图，也知道了怎么让图表更专业。下一章，我们会把这些技巧用在真实的电费账单数据上，画出更有价值的图表。
公众号:蓝海资料掘金营，微信deep3321