一、专业图表设计原则

使用Python 3.10+和最新可视化库创建出版级图表：

import matplotlib.pyplot as plt
import seaborn as sns

# 设置全局样式
plt.style.use('seaborn')
sns.set_palette("husl")
plt.rcParams['font.family'] = 'SimHei'  # 中文字体支持

# 创建基础图表
fig, ax = plt.subplots(figsize=(10, 6))
ax.set_title("2023年销售趋势", fontsize=14, pad=20)
ax.set_xlabel("季度", fontsize=12)
ax.set_ylabel("销售额(万)", fontsize=12)

五大设计准则：信息清晰、视觉层次、色彩协调、标注完整、比例适当

二、Matplotlib高级技巧

# 使用GridSpec创建复杂布局
fig = plt.figure(figsize=(12, 8))
gs = fig.add_gridspec(3, 3)

ax1 = fig.add_subplot(gs[0, :])  # 首行通栏
ax2 = fig.add_subplot(gs[1:, 0])  # 左侧长栏
ax3 = fig.add_subplot(gs[1, 1]) 
ax4 = fig.add_subplot(gs[2, 1])
ax5 = fig.add_subplot(gs[1:, 2])  # 右侧长栏

# 设置子图间距
plt.tight_layout(pad=2, w_pad=3, h_pad=3)

from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()
x, y = [], []
line, = ax.plot([], [], 'r-')

def init():
    ax.set_xlim(0, 10)
    ax.set_ylim(-1, 1)
    return line,

def update(frame):
    x.append(frame)
    y.append(np.sin(frame))
    line.set_data(x, y)
    return line,

ani = FuncAnimation(fig, update, frames=np.linspace(0, 10, 100),
                    init_func=init, blit=True)
plt.show()

三、Seaborn高级应用

# 使用PairGrid分析多维关系
iris = sns.load_dataset("iris")
g = sns.PairGrid(iris, hue="species")
g.map_diag(sns.histplot)
g.map_offdiag(sns.scatterplot)
g.add_legend()

# 带注释的热力图
flights = sns.load_dataset("flights")
flights = flights.pivot("month", "year", "passengers")

plt.figure(figsize=(10, 8))
ax = sns.heatmap(flights, annot=True, fmt="d",
                cmap="YlGnBu", linewidths=.5)

# 旋转刻度标签
plt.setp(ax.get_xticklabels(), rotation=45)
plt.setp(ax.get_yticklabels(), rotation=0)

四、实战案例：电商数据分析

# 使用饼图+环形图组合
fig, ax = plt.subplots(figsize=(8, 8))

# 外层环形
wedges, texts = ax.pie(
    [30, 25, 15, 8, 5], 
    radius=1, 
    labels=["访问", "加购", "下单", "支付", "复购"],
    wedgeprops=dict(width=0.3, edgecolor='w'))

# 内层饼图
ax.pie([70, 30], radius=0.7, colors=['lightgray', 'white'],
       wedgeprops=dict(width=0.3, edgecolor='w'))

# 添加中心标题
ax.text(0, 0, "转化率n分析", ha='center', 
        va='center', fontsize=14)

plt.tight_layout()

五、性能优化与导出

• 大数据集：使用rasterized=True加速渲染
• 矢量输出：PDF/SVG格式适合出版
• Web应用：转换为Base64嵌入HTML
• 交互图表：使用mpld3转换为D3.js

# 高质量导出设置
fig.savefig("sales_report.png", 
           dpi=300, 
           bbox_inches='tight',
           transparent=True,
           quality=95)

# 转换为Base64
import base64
from io import BytesIO

buf = BytesIO()
fig.savefig(buf, format='png')
img_str = base64.b64encode(buf.getvalue()).decode()