Python使用Matplotlib将爬取的CSV数据变成直观图表

目录

• 引言：为什么需要数据可视化？
• 一、准备阶段：环境搭建与数据获取
• 1.1 基础环境配置
• 1.2 爬取示例数据
• 二、数据清洗：让数据"干净"起来
• 三、基础图表制作：柱状图与折线图
• 3.1 城市职位分布柱状图
• 3.2 薪资趋势折线图
• 四、进阶图表：散点图与饼图
• 4.1 薪资与经验相关性散点图
• 4.2 薪资范围饼图
• 五、多图表组合：子图与仪表盘
• 5.1 创建包含多个图表的仪表盘
• 六、样式优化：让图表更专业
• 6.1 全局样式设置
• 6.2 颜色搭配技巧
• 七、实际应用案例：电商价格监控
• 7.1 品牌价格对比箱线图
• 7.2 价格与评分散点图
• 常见问题Q&A
• 结语：数据可视化的价值

当你在电商网站爬取了10万条商品价格数据，或是从气象站抓取了3年的温度记录，面对密密麻麻的CSV表格时，是否感到无从下手？这时候，数据可视化就像给数据装上了一副"透 视镜"，能让你一眼看穿数据背后的规律。

本文将带你完成一个完整的数据可视化实战：从爬取某招聘网站的职位信息，到用Matplotlib生成专业图表。不需要数学博士背景，只需跟着步骤操作，你就能做出让同事惊叹的可视化报告。

首先确保你的Python环境已安装必要的库：

pip install matplotlib pandas requests beautifulsoup4

这四个库的分工很明确：

• requests：负责发送HTTP请求获取网页
• BeautifulSoup4：解析HTML提取数据
• pandas：处理CSV数据
• matplotlib：绘制可视化图表

以某招聘网站为例，我们爬取Python开发岗位的薪资和城市分布数据：

import requests
from bs4 import BeautifulSoup
import pandas as pd
 
def crawl_job_data():
    headers = {'User-Agent': 'Mozilla/5.0'}
    jobs = []
    
    for page in range(1, 6):  # 爬取前5页
        url = f"https://example.com/jobs?page={page}&keyword=Python"
        response = requests.get(url, headers=headers)
        soup = BeautifulSoup(response.text, 'html.parser')
        
        # 假设每个职位在class为'job-item'的div中
        for item in soup.find_all('div', class_='job-item'):
            title = item.find('h2').text.strip()
            salary = item.find('span', class_='salary').text.strip()
            city = item.find('span', class_='location').text.strip()
            jobs.append({'title': title, 'salary': salary, 'city': city})
    
    df = pd.DataFrame(jobs)
    df.to_csv('job_data.csv', index=False)
    return df
 
data = crawl_job_data()

提示：实际爬取时需遵守网站的robots协议，建议添加延迟（time.sleep(2)）避免被封。

爬取的原始数据往往包含脏数据，比如薪资字段可能包含"15-20K/月"这样的文本。我们需要将其转换为数值：

def clean_salary(salary_str):
    try:
        # 提取数字部分，例如"15-20K/月"→[15,20]
        parts = salary_str.replace('K', '').replace('/月', '').split('-')
        if len(parts) == 2:
            return (float(parts[0]) + float(parts[1])) / 2  # 取平均值
        return float(parts[0])
    except:
        return None
 
data['salary'] = data['salary'].apply(clean_salary)
data = data.dropna(subset=['salary'])  # 删除薪资为空的记录

对于城市字段，我们可能需要统计每个城市的职位数量：

city_counts = data['city'].value_counts().head(10)  # 取前10个城市

柱状图最适合展示分类数据的对比：

import matplotlib.pyplot as plt
 
plt.figure(figsize=(12, 6))
city_counts.plot(kind='bar', color='#4C72B0')
 
plt.title('Python岗位城市分布', fontsize=16)
plt.xlabel('城市', fontsize=12)
plt.ylabel('职位数量', fontsize=12)
plt.xticks(rotation=45)  # 旋转x轴标签
plt.grid(axis='y', linestyle='--', alpha=0.7)
 
# 在柱子上方显示数值
for i, v in enumerate(city_counts):
    plt.text(i, v + 50, str(v), ha='center')
 
plt.tight_layout()  # 自动调整布局
plt.savefig('city_distribution.png', dpi=300)
plt.show()

效果说明：

• 蓝色柱子高度代表职位数量
• 每个柱子上方显示具体数值
• 网格线辅助读数
• 图片保存为300dpi高清图

假设我们按经验要求分组统计平均薪资：

# 假设数据中有'experience'字段
exp_salary = data.groupby('experience')['salary'].mean()
 
plt.figure(figsize=(10, 5))
exp_salary.plot(kind='line', marker='o', color='#DD8452')
 
plt.title('不同经验要求的平均薪资', fontsize=14)
plt.xlabel('经验要求', fontsize=11)
plt.ylabel('平均薪资(K)', fontsize=11)
plt.grid(True, linestyle=':', alpha=0.6)
 
# 标记数据点
for x, y in zip(exp_salary.index, exp_salary):
    plt.text(x, y, f'{y:.1f}K', ha='center', va='bottom')
 
plt.show()

关键点：

• 橙色折线连接各数据点
• 每个数据点上方显示具体数值
• 虚线网格增强可读性

探索薪资与工作经验是否相关：

# 假设我们随机生成一些经验年限数据
import numpy as np
np.random.seed(42)
data['experience_years'] = np.random.randint(1, 11, size=len(data))
 
plt.figure(figsize=(10, 8))
plt.scatter(data['experience_years'], data['salary'], 
            alpha=0.6, color='#55A868', s=50)  # s控制点大小
 
plt.title('工作经验与薪资关系', fontsize=15)
plt.xlabel('工作经验(年)', fontsize=12)
plt.ylabel('薪资(K)', fontsize=12)
 
# 添加趋势线
z = np.polyfit(data['experience_years'], data['salary'], 1)
p = np.poly1d(z)
plt.plot(data['experience_years'], p(data['experience_years']), 
         "r--", linewidth=1)
 
plt.grid(True)
plt.show()

解读：

• 绿色散点表示各个数据点
• 红色虚线为线性趋势线
• 透明度(alpha)设置避免点重叠

展示不同薪资区间的职位占比：

# 创建薪资区间
bins = [0, 10, 15, 20, 30]
labels = ['10K以下', '10-15K', '15-20K', '20K以上']
data['salary_range'] = pd.cut(data['salary'], bins=bins, labels=labels)
 
range_counts = data['salary_range'].value_counts()
 
plt.figure(figsize=(8, 8))
plt.pie(range_counts, labels=range_counts.index, 
        autopct='%1.1f%%', startangle=90,
        colors=['#C44E52', '#CCB974', '#64776D', '#798E87'])
 
plt.title('Python岗位薪资分布', fontsize=15)
plt.tight_layout()
plt.show()

技巧：

• autopct显示百分比
• startangle控制起始角度
• 自定义颜色让图表更美观

fig, axes = plt.subplots(2, 2, figsize=(14, 10))
fig.suptitle('Python岗位数据分析仪表盘', fontsize=18)
 
# 子图1：城市分布
axes[0,0].bar(city_counts.index, city_counts.values, color='#4C72B0')
axes[0,0].set_title('城市分布')
axes[0,0].tick_params(axis='x', rotation=45)
 
# 子图2：经验-薪资散点
axes[0,1].scatter(data['experience_years'], data['salary'], 
                  alpha=0.5, color='#55A868')
axes[0,1].set_title('经验与薪资关系')
 
# 子图3：薪资范围饼图
axes[1,0].pie(range_counts, labels=None, autopct='%1.1f%%',
              colors=['#C44E52', '#CCB974', '#64776D', '#798E87'])
axes[1,0].set_title('薪资分布')
 
# 子图4：经验要求折线图
exp_salary.plot(kind='line', marker='o', ax=axes[1,1], color='#DD8452')
axes[1,1].set_title('经验要求与平均薪资')
 
plt.tight_layout()
plt.subplots_adjust(top=0.92)  # 调整标题位置
plt.savefig('dashboard.png', dpi=300)
plt.show()

优势：

• 单张图片展示多个维度
• 适合放入分析报告
• 保持统一的风格

plt.style.use('seaborn')  # 使用seaborn样式
# 或自定义样式
plt.rcParams.update({
    'font.family': 'Microsoft YaHei',  # 中文支持
    'axes.titlesize': 14,
    'axes.labelsize': 12,
    'xtick.labelsize': 10,
    'ytick.labelsize': 10,
    'figure.figsize': (10, 6),
    'savefig.dpi': 300
})

推荐使用以下配色方案：

• 分类数据：['#4C72B0', '#55A868', '#C44E52', '#CCB974']
• 连续数据：['#313695', '#4575b4', '#74add1', '#abd9e9']

可以使用在线工具Coolors生成配色方案。

假设我们爬取了某电商平台的手机价格数据：

# 模拟数据
phone_data = {
    'brand': ['Apple']*5 + ['Samsung']*5 + ['Huawei']*5,
    'model': ['iPhone13']*3 + ['iPhone13 Pro']*2 + 
              ['S22']*3 + ['S22 Ultra']*2 +
              ['P50']*3 + ['Mate50']*2,
    'price': [5999, 6799, 5499, 8999, 9799,
              4999, 5499, 6299, 7999, 8999,
              4499, 4999, 5299, 6799, 7499],
    'rating': [4.8, 4.9, 4.7, 4.9, 4.8,
               4.6, 4.7, 4.8, 4.9, 4.8,
               4.5, 4.6, 4.7, 4.8, 4.7]
}
 
df = pd.DataFrame(phone_data)

plt.figure(figsize=(10, 6))
df.boxplot(column='price', by='brand', 
           patch_artist=True,
           boxprops=dict(facecolor='#4C72B0', color='black'),
           medianprops=dict(color='white'))
 
plt.title('各品牌手机价格分布')
plt.suptitle('')  # 去除自动生成的标题
plt.xlabel('品牌')
plt.ylabel('价格(元)')
plt.grid(True, linestyle='--', alpha=0.6)
plt.show()

plt.figure(figsize=(10, 6))
brands = df['brand'].unique()
colors = {'Apple': '#4C72B0', 'Samsung': '#55A868', 'Huawei': '#C44E52'}
 
for brand in brands:
    subset = df[df['brand'] == brand]
    plt.scatter(subset['price'], subset['rating'], 
                s=100, label=brand, color=colors[brand])
 
plt.title('手机价格与评分关系')
plt.xlabel('价格(元)')
plt.ylabel('评分')
plt.legend()
plt.grid(True)
plt.show()

Q1：被网站封IP怎么办？

A：立即启用备用代理池，建议使用住宅代理（如站大爷IP代理），配合每请求更换IP策略。可以在requests请求中添加代理参数：

proxies = {
    'http': 'http://your-proxy-ip:port',
    'https': 'https://your-proxy-ip:port'
}
response = requests.get(url, headers=headers, proxies=proxies)

Q2：中文显示乱码如何解决？

A：在代码开头添加以下配置：

plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows系统
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
# 或使用Mac/Linux的字体
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']

Q3：如何保存透明背景的图表？

A：使用savefig的transparent参数：

plt.savefig('transparent.png', dpi=300, transparent=True)

Q4：图表中的文字重叠怎么办？

A：可以尝试以下方法：

• 旋转x轴标签：plt.xticks(rotation=45)
• 调整图表大小：plt.figure(figsize=(12, 6))
• 使用tight_layout()自动调整
• 手动调整子图间距：plt.subplots_adjust(wspace=0.4, hspace=0.6)

Q5：如何实现动态图表？

A：可以使用matplotlib.animation模块创建动态图表，或导出为HTML使用Plotly等库实现交互式可视化。

通过本文的实战，你应该已经掌握了从数据爬取到专业可视化的完整流程。记住，好的可视化不是追求花哨的效果，而是准确、清晰地传达数据背后的信息。下次当你面对一堆CSV数据时，不妨先用Matplotlib画几张图，往往能发现意想不到的洞察。

数据可视化就像给数据讲故事，而Matplotlib就是你手中的画笔。现在，是时候用你爬取的数据，创作属于自己的数据故事了！

以上就是Python使用Matplotlib将爬取的CSV数据变成直观图表的详细内容，更多关于Python Matplotlib将CSV数据变成图表的资料请关注风君子博客其它相关文章！

您可能感兴趣的文章:

• Python使用Matplotlib绘制专业柱状图的完整指南
• Python安装Matplotlib库的五种方法小结
• 使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)
• Python中OpenCV与Matplotlib的图像操作入门指南
• 使用Python Matplotlib处理地理数据可视化