🎯 今日目標

• 掌握 Matplotlib 的基本繪圖方法（折線圖、柱狀圖、餅圖）
• 掌握 Seaborn 的高級繪圖方法（分類圖、分布圖、箱線圖）
• 熟悉圖像美化（標題、標簽、顏色、風格）
• 完成一組學生成績數據的可視化展示

---

🧱 一、Matplotlib 基礎繪圖

import matplotlib.pyplot as plt# 示例數據
names = ["張三", "李四", "王五", "趙六"]
scores = [88, 92, 75, 60]# 折線圖
plt.plot(names, scores, marker="o")
plt.title("學生成績折線圖")
plt.xlabel("姓名")
plt.ylabel("成績")
plt.grid(True)
plt.show()

---

? 常見圖表類型

# 柱狀圖
plt.bar(names, scores)# 餅圖
plt.pie(scores, labels=names, autopct="%.1f%%")# 保存圖像
plt.savefig("charts/score_chart.png")

---

🌈 二、Seaborn 入門（更美觀 + 高級）

import seaborn as sns
import pandas as pd# 示例 DataFrame
df = pd.DataFrame({"姓名": names,"成績": scores,"性別": ["男", "女", "男", "女"]
})# 設置風格
sns.set_style("whitegrid")# 分類柱狀圖
sns.barplot(data=df, x="姓名", y="成績", hue="性別")
plt.title("學生成績（按性別）")
plt.show()

---

🎨 三、其他 Seaborn 圖示示例

# 成績分布直方圖
sns.histplot(df["成績"], bins=5)# 箱線圖：成績分布（可識別異常值）
sns.boxplot(data=df, x="性別", y="成績")# 成績與是否及格關系散點圖（需添加字段）
sns.scatterplot(data=df, x="成績", y="是否及格")

---

🧪 今日練習任務

使用 students_cleaned.csv (前兩天清洗的表格數據)文件，完成以下圖表：

1. 所有學生成績的折線圖 & 柱狀圖

2. 不同性別的平均成績柱狀圖

3. 所有學生成績分布直方圖

4. 學生成績箱線圖（按性別分組）

5. 將所有圖像保存為 PNG 圖片到 charts/ 文件夾

   import pandas as pd
   import matplotlib.pyplot as plt
   import seaborn as sns
   import osrc = {'font.sans-serif': 'Arial Unicode MS','axes.unicode_minus': False}
   # 設置中文字體支持（如 matplotlib 出現亂碼）
   plt.rcParams['font.family'] = 'Arial Unicode MS'  # Mac 用戶可用
   # plt.rcParams['font.sans-serif'] = ['SimHei']   # Windows 用戶用這行
   plt.rcParams['axes.unicode_minus'] = False# 路徑設置
   input_path = "data/students_cleaned.csv"
   output_dir = "charts"
   os.makedirs(output_dir, exist_ok=True)# 加載數據
   df = pd.read_csv(input_path)
   print("? 已加載學生數據：")
   print(df.head())# -------- 圖表 1：學生成績折線圖 --------
   plt.figure(figsize=(8, 5))
   plt.plot(df["姓名"], df["成績"], marker='o')
   plt.title("學生成績折線圖")
   plt.xlabel("姓名")
   plt.ylabel("成績")
   plt.grid(True)
   plt.tight_layout()
   plt.savefig(f"{output_dir}/成績折線圖.png")
   plt.close()# -------- 圖表 2：學生成績柱狀圖 --------
   plt.figure(figsize=(8, 5))
   plt.bar(df["姓名"], df["成績"], color="skyblue")
   plt.title("學生成績柱狀圖")
   plt.xlabel("姓名")
   plt.ylabel("成績")
   plt.tight_layout()
   plt.savefig(f"{output_dir}/成績柱狀圖.png")
   plt.close()# -------- 圖表 3：不同性別的平均成績柱狀圖 --------
   plt.figure(figsize=(6, 4))
   sns.set(style="whitegrid", rc=rc)
   avg_by_gender = df.groupby("性別")["成績"].mean().reset_index()
   sns.barplot(data=avg_by_gender, x="性別", y="成績", hue='性別', palette="Set2", legend=False)
   plt.title("不同性別的平均成績")
   plt.tight_layout()
   plt.savefig(f"{output_dir}/性別平均成績柱狀圖.png")
   plt.close()# -------- 圖表 4：成績分布直方圖 --------
   plt.figure(figsize=(6, 4))
   sns.histplot(df["成績"], bins=5, kde=True, color="orange")
   plt.title("成績分布直方圖")
   plt.xlabel("成績")
   plt.tight_layout()
   plt.savefig(f"{output_dir}/成績分布直方圖.png")
   plt.close()# -------- 圖表 5：成績箱線圖（按性別） --------
   plt.figure(figsize=(6, 4))
   sns.boxplot(data=df, x="性別", y="成績", hue="性別", palette="Pastel1", legend=False)
   plt.title("成績箱線圖（按性別）")
   plt.tight_layout()
   plt.savefig(f"{output_dir}/成績箱線圖_按性別.png")
   plt.close()print(f"\n? 所有圖表已生成并保存至：{output_dir}/")
   

   

   

   
   

   

---

?? 今日總結

• 掌握了 Matplotlib 基本圖形繪制技巧
• 掌握了 Seaborn 的分類、分布圖制作方法
• 能基于清洗后的數據完成完整的圖形展示
• 理解了圖表選擇和美化對表達分析結論的重要性