Python图表导出案例如何实现？

本文目录导读：

1. 基础环境准备
2. 生成示例数据并绘制图表
3. 导出图表为图片
4. 完整可运行案例
5. 使用 Pandas 直接导出
6. 导出过程中的常用参数说明
7. 批量导出示例
8. 常见问题与解决方案

下面是一个使用 Matplotlib 和 Pandas 实现 Python 图表导出（保存为图片或 PDF）的完整案例。

基础环境准备

pip install matplotlib pandas numpy

生成示例数据并绘制图表

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
# 生成示例数据
np.random.seed(42)
dates = pd.date_range('2024-01-01', periods=30)
values = np.random.randn(30).cumsum() + 100
df = pd.DataFrame({'日期': dates, '数值': values})
# 创建图表
plt.figure(figsize=(10, 6))
plt.plot(df['日期'], df['数值'], marker='o', linestyle='-', color='b', label='时序数据')'示例图表 - 时间序列', fontsize=14)
plt.xlabel('日期')
plt.ylabel('数值')
plt.grid(True, alpha=0.3)
plt.legend()
# 自动调整布局
plt.tight_layout()

导出图表为图片

导出为 PNG（最常用）

# 保存为PNG格式（默认dpi=100）
plt.savefig('chart_output.png', dpi=150, bbox_inches='tight')
print("✅ 已保存为: chart_output.png")

导出为不同格式

# 1. 高清PNG
plt.savefig('chart_hd.png', dpi=300, bbox_inches='tight')
# 2. PDF（矢量图，适合论文）
plt.savefig('chart_output.pdf', bbox_inches='tight')
# 3. SVG（矢量图，适合网页）
plt.savefig('chart_output.svg', bbox_inches='tight')
# 4. JPEG（适合照片类图表）
plt.savefig('chart_output.jpg', dpi=200, bbox_inches='tight', quality=95)

完整可运行案例

import matplotlib.pyplot as plt
import numpy as np
def create_and_export_chart():
    """创建并导出多子图图表"""
    # 创建图表（2行2列的子图）
    fig, axes = plt.subplots(2, 2, figsize=(12, 10))
    x = np.linspace(0, 10, 100)
    # 子图1：正弦波
    axes[0, 0].plot(x, np.sin(x), 'r-', label='sin(x)')
    axes[0, 0].set_title('正弦函数')
    axes[0, 0].legend()
    axes[0, 0].grid(True)
    # 子图2：余弦波
    axes[0, 1].plot(x, np.cos(x), 'b-', label='cos(x)')
    axes[0, 1].set_title('余弦函数')
    axes[0, 1].legend()
    axes[0, 1].grid(True)
    # 子图3：散点图
    np.random.seed(42)
    x_scatter = np.random.randn(50)
    y_scatter = np.random.randn(50)
    axes[1, 0].scatter(x_scatter, y_scatter, c='green', alpha=0.6)
    axes[1, 0].set_title('随机散点图')
    axes[1, 0].grid(True)
    # 子图4：条形图
    categories = ['A', 'B', 'C', 'D', 'E']
    values = np.random.randint(10, 50, 5)
    axes[1, 1].bar(categories, values, color='purple', alpha=0.7)
    axes[1, 1].set_title('分类数据条图')
    axes[1, 1].grid(True, axis='y')
    # 全局设置
    plt.suptitle('多子图示例 - 2024', fontsize=16)
    plt.tight_layout()
    # 导出图表
    export_formats(fig)
    # 显示图表（可选）
    plt.show()
def export_formats(fig):
    """导出多种格式"""
    formats = {
        'png': {'dpi': 300, 'bbox_inches': 'tight'},
        'pdf': {'bbox_inches': 'tight'},
        'svg': {'bbox_inches': 'tight'},
        'jpg': {'dpi': 200, 'bbox_inches': 'tight', 'quality': 95}
    }
    for fmt, kwargs in formats.items():
        filename = f'chart_export.{fmt}'
        fig.savefig(filename, **kwargs)
        print(f"✅ 已保存: {filename}")
# 运行
create_and_export_chart()

使用 Pandas 直接导出

import pandas as pd
import matplotlib.pyplot as plt
# 创建DataFrame
df = pd.DataFrame({
    '月份': ['1月', '2月', '3月', '4月', '5月'],
    '销售额': [120, 150, 180, 160, 200],
    '利润': [30, 45, 50, 42, 60]
})
# 直接在DataFrame上绘制
ax = df.plot(x='月份', y=['销售额', '利润'], kind='bar', figsize=(10, 6))'月度销售数据')
plt.ylabel('金额（万元）')
plt.grid(True, alpha=0.3)
# 保存
plt.savefig('sales_data.png', dpi=200, bbox_inches='tight')
print("✅ 销售数据图表已保存")

导出过程中的常用参数说明

plt.savefig(
    'exported_chart.png',      # 文件名（含路径）
    dpi=300,                    # 分辨率（默认100）
    bbox_inches='tight',        # 自动裁剪边距
    pad_inches=0.1,             # 边距大小
    transparent=False,          # 是否透明背景
    facecolor='white',          # 背景色
    edgecolor='none',           # 边框色
    format='png',               # 强制指定格式
    quality=95                  # JPEG质量（0-100）
)

批量导出示例

import os
def batch_export_charts():
    """批量生成并导出多种图表"""
    output_dir = 'chart_exports'
    os.makedirs(output_dir, exist_ok=True)
    np.random.seed(42)
    data = np.random.randn(100)
    chart_configs = [
        {'type': 'histogram', 'title': '直方图', 'filename': 'histogram.png'},
        {'type': 'boxplot', 'title': '箱线图', 'filename': 'boxplot.png'},
        {'type': 'density', 'title': '密度图', 'filename': 'density.png'}
    ]
    for config in chart_configs:
        fig, ax = plt.subplots(figsize=(8, 5))
        if config['type'] == 'histogram':
            ax.hist(data, bins=20, alpha=0.7, color='blue')
        elif config['type'] == 'boxplot':
            ax.boxplot(data)
        elif config['type'] == 'density':
            ax.hist(data, bins=50, density=True, alpha=0.6, color='green')
            # 添加KDE曲线
            from scipy import stats
            kde_x = np.linspace(min(data), max(data), 100)
            kde = stats.gaussian_kde(data)
            ax.plot(kde_x, kde(kde_x), 'r-', lw=2)
        ax.set_title(config['title'])
        ax.grid(True, alpha=0.3)
        # 导出
        filepath = os.path.join(output_dir, config['filename'])
        fig.savefig(filepath, dpi=200, bbox_inches='tight')
        plt.close(fig)  # 关闭图节省内存
        print(f"✅ 已保存: {filepath}")
# 运行批量导出
batch_export_charts()

常见问题与解决方案

1 中文显示问题

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 或 ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False     # 解决负号显示问题

2 图片过大或过小

fig = plt.figure(figsize=(8, 6))  # 调整尺寸
plt.savefig('output.png', dpi=150)  # 调整分辨率

3 保存前预览

plt.show()  # 先显示查看
# 确认满意后再保存
plt.savefig('final_chart.png')

这个案例涵盖了 Python 图表导出的主要场景：

• ✅ 基础图表创建与导出
• ✅ 多格式导出（PNG、PDF、SVG、JPG）
• ✅ 多子图导出
• ✅ Pandas 直接导出
• ✅ 批量导出
• ✅ 参数调优

你可以根据实际需求选择合适的方式。最常用的方案是：

plt.savefig('chart.png', dpi=300, bbox_inches='tight')

标签： 图表导出