表格给人看的是数字，图给人看的是形状。第 9 章讲两件事：matplotlib 的底层心智模型（理解了它，任何绘图报错都能自救），以及 pandas/seaborn 的高层速绘（一行出图）。
🖼️ matplotlib 心智模型：画布与坐标系
一切从这两层结构开始：figure（画布） 上放若干 axes（坐标系），绘图动作都发生在某个 axes 上：
import matplotlib.pyplot as plt
fig, ax = plt.subplots(figsize=(8, 5)) # 8×5 英寸画布 + 一个坐标系
ax.plot(data["col1"], label="第一条线") # 在 ax 上画
ax.set_title("标题"); ax.set_xlabel("x 轴")
ax.legend(loc="best") # 图例自动找不挡线的地方
多子图两种姿势：
fig, axes = plt.subplots(2, 2, figsize=(10, 6)) # 2×2 网格
axes[0, 0].hist(randn(100), bins=20) # 左上角画直方图
fig, axes = plt.subplots(2, 2, sharex=True, sharey=True) # 共享刻度
# 对齐刻度便于跨图比较——数据分析的常见需求
⚠️ Jupyter 里记得 %matplotlib inline（新版默认已开），图才内嵌显示。
🎨 颜色、标记与线型 + 刻度与注释
plot 的第三个参数是格式串：'ko--' = 黑色圆点虚线。更可读的写法：
ax.plot(x, y, linestyle="--", color="g", marker="o",
drawstyle="steps-post") # 阶梯图：股价/阶跃数据必备
ax.set_xticks([0, 250, 500, 750, 1000]) # 刻度位置
ax.set_xticklabels(["零", "四分之一", "半", "四分之三", "满"],
rotation=30, fontsize="small") # 刻度文字
ax.annotate("重要拐点", xy=(500, 2.2),
xytext=(600, 3), arrowprops=dict(facecolor="black")) # 带箭头注释
fig.savefig("fig.png", dpi=400, bbox_inches="tight") # 保存
matplotlib 默认样式已经很专业，但全局配置可以调：plt.rc("figure", figsize=(10,10))。
🐼 pandas 速绘：一行出图
DataFrame 自带绘图接口，内部调 matplotlib 但自动处理索引与图例：
df.plot() # 所有数值列各一条折线
df.plot.line(legend=False) # 折线不要图例
df["col"].plot.barh() # 横向条形
df.plot.bar(stacked=True) # 堆叠条形（占比一览）
df.plot.area(alpha=0.5) # 面积图
df.plot.scatter(x="a", y="b", c="c", s=50) # c=颜色再编码一维！
df.plot.hexbin(x="a", y="b", gridsize=25) # 大数据量散点替代品
折线图小技巧书里有个经典案例：close_price.plot() 配 plt.axvline（竖参考线）+ ax.set_xticks（每 5 个标签取一个）——股价不均匀采样时的标准处理。
📈 分布类图表：直方图、密度、散点
看单变量分布：
df["col"].plot.hist(bins=50) # 直方图
df["col"].plot.density() # 核密度估计 KDE
df["col"].plot.hist(density=True, alpha=0.3) # 两个归一化直方图叠加比较
看两变量关系：
fig, ax = plt.subplots()
ax.scatter(trans_data["m1"], trans_data["m2"], alpha=0.5)
# Seaborn 一行完成散点 + 对角线直方图
sns.pairplot(trans_data, diag_kind="kde", plot_kws={"alpha": 0.2})
看三个变量的关系用分面网格（FacetGrid）——按类别变量切开成小图阵：
sns.catplot(x="day", y="tip_pct", row="smoker",
col="time", kind="bar", data=tips) # 吸烟×时段的小费率
sns.catplot(x="day", y="tip_pct", kind="box", data=tips) # 箱线图
🧭 图表选型口诀
书里没有明说但贯穿全章的规律，帮你总结成一张速查表：
| 你想看什么 | 用什么图 |
|---|---|
| 趋势/时间变化 | 折线（plot） |
| 类别间大小比较 | 条形（bar/barh/stacked） |
| 单变量分布 | 直方图 / KDE（hist/density） |
| 两变量关系 | 散点（scatter/hexbin） |
| 类别×数值分布 | 箱线图 / 小提琴（seaborn） |
| 多变量概览 | pairplot / 分面 catplot |
📌 本章小结：figure 上放 axes，画图都在 axes 上；
subplots(2,2)出网格、sharex对齐比较；pandas.plot.*一行速绘、c=参数让颜色再编码一维；分布用 hist/density、关系用 scatter、多维度用 seaborn 分面；savefig(dpi=400, bbox_inches="tight")存高清图。