Визуализация в Python: как строить понятные графики в matplotlib и seaborn

Коротко

Линия показывает изменение во времени, столбцы сравнивают категории, histogram показывает распределение, boxplot помогает увидеть медиану и выбросы. Seaborn даёт удобные статистические шаблоны, matplotlib — полный контроль над композицией и подписями.

• Один график — один главный вывод.
• Подписывай единицу измерения, период и знаменатель.
• Сортируй категории по смыслу, а не по случайному порядку в файле.
• Цвет должен разделять смысл, а не просто украшать холст.

Сначала выбери форму вопроса

Если команда спрашивает “как меняется DAU по дням”, нужен line chart. Если “какой канал принёс больше заказов”, подойдут горизонтальные bars. Для “есть ли длинный хвост чеков” нужен histogram. Неподходящий тип графика может сделать правильные данные трудными для чтения.

Линия для тренда

Перед построением линии отсортируй даты и приведи данные к одному уровню: например, один день и одна строка на канал. Если на одном дне несколько строк, matplotlib соединит их в порядок чтения DataFrame, и график может выглядеть как случайная пила.

import matplotlib.pyplot as plt

daily = (
    events.groupby('event_date', as_index=False)
    .agg(dau=('user_id', 'nunique'))
    .sort_values('event_date')
)

fig, ax = plt.subplots(figsize=(9, 4))
ax.plot(daily['event_date'], daily['dau'], color='#6d5dfc', linewidth=2)
ax.set(title='DAU by day', xlabel='Date', ylabel='Unique active users')
ax.grid(axis='y', alpha=0.2)
fig.tight_layout()

Сравнение сегментов через seaborn

Seaborn удобен, когда данные уже находятся в “длинном” формате: отдельные колонки для даты, сегмента и значения. Он сам создаёт легенду и даёт аккуратные статистические шаблоны. Но подписи и порядок категорий всё равно нужно задать самостоятельно.

import seaborn as sns
import matplotlib.pyplot as plt

channel_avg = orders.groupby('channel', as_index=False).agg(
    average_order=('revenue', 'mean'),
)
channel_avg = channel_avg.sort_values('average_order')

fig, ax = plt.subplots(figsize=(8, 4))
sns.barplot(data=channel_avg, x='average_order', y='channel', color='#0f9f76', ax=ax)
ax.set(xlabel='Average order value, RUB', ylabel='Channel')
fig.tight_layout()

Почему красивый график может врать

Обрезанная ось превращает маленькую разницу в драматичный разрыв. Среднее скрывает несколько крупных заказов. Сглаженная линия создаёт впечатление причинности. График помогает сформировать вопрос, но не отвечает на него без определения метрики, размера базы и проверки сегментов.

• Показывай размер сегмента рядом с процентом или средним.
• Для ratio-метрик не смешивай среднее по пользователям с отношением сумм.
• Не используй двойную ось без крайней необходимости.
• Отмечай неполный текущий период.
• Сохраняй исходную таблицу, из которой построен график.