Matplotlib 条形图：如何旋转 X 轴标签

Matplotlib 条形图：如何旋转 X 轴标签

参考：matplotlib bar chart rotate x labels

Matplotlib 是 Python 中最流行的数据可视化库之一，它提供了丰富的绘图功能，其中条形图（Bar Chart）是一种常用的图表类型。在创建条形图时，我们经常会遇到 X 轴标签重叠或显示不完整的问题，特别是当标签较长或数据点较多时。这时，旋转 X 轴标签就成为了一个非常有用的技巧。本文将详细介绍如何在 Matplotlib 中创建条形图并旋转 X 轴标签，以提高图表的可读性和美观性。

1. Matplotlib 条形图基础

在开始旋转 X 轴标签之前，我们先来了解一下如何使用 Matplotlib 创建基本的条形图。条形图通常用于比较不同类别的数据，每个条形的高度表示该类别的数值大小。

以下是一个简单的条形图示例：

import matplotlib.pyplot as plt

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [4, 7, 2, 5]

plt.figure(figsize=(10, 6))
plt.bar(categories, values)
plt.title('Basic Bar Chart - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

在这个例子中，我们创建了一个包含四个类别的简单条形图。plt.bar() 函数用于绘制条形图，第一个参数是类别列表，第二个参数是对应的数值列表。我们还设置了图表标题、X 轴标签和 Y 轴标签。

2. 旋转 X 轴标签的必要性

当类别标签较长或数量较多时，默认的水平标签可能会重叠或被截断，影响图表的可读性。这时，旋转 X 轴标签就变得非常有用。通过旋转标签，我们可以：

1. 避免标签重叠
2. 显示完整的标签文本
3. 提高图表的整体美观性
4. 更有效地利用图表空间

3. 使用 xticks() 旋转标签

Matplotlib 提供了 xticks() 函数，允许我们自定义 X 轴刻度的位置和标签。我们可以使用这个函数来旋转标签。

以下是一个旋转 X 轴标签的示例：

import matplotlib.pyplot as plt

categories = ['Long Category A', 'Very Long Category B', 'Extremely Long Category C', 'Another Long Category D']
values = [4, 7, 2, 5]

plt.figure(figsize=(12, 6))
plt.bar(categories, values)
plt.title('Bar Chart with Rotated Labels - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')

plt.xticks(rotation=45, ha='right')
plt.tight_layout()
plt.show()

Output:

在这个例子中，我们使用 plt.xticks(rotation=45, ha='right') 将 X 轴标签旋转 45 度。rotation 参数指定旋转角度，ha='right' 设置水平对齐方式为右对齐，这样可以避免标签超出图表边界。plt.tight_layout() 函数用于自动调整子图参数，以给定的填充适应图形区域。

4. 调整标签旋转角度

我们可以根据需要调整标签的旋转角度。常用的角度包括 30 度、45 度和 90 度。以下是一个比较不同旋转角度的示例：

import matplotlib.pyplot as plt

categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
values = [4, 7, 2, 5, 6]

fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(18, 6))

for ax, angle in zip([ax1, ax2, ax3], [30, 45, 90]):
    ax.bar(categories, values)
    ax.set_title(f'Rotation {angle}° - how2matplotlib.com')
    ax.set_xlabel('Categories')
    ax.set_ylabel('Values')
    ax.tick_params(axis='x', rotation=angle)

plt.tight_layout()
plt.show()

Output:

这个例子创建了三个子图，分别展示了 30 度、45 度和 90 度旋转的效果。我们使用 ax.tick_params(axis='x', rotation=angle) 来设置每个子图的 X 轴标签旋转角度。

5. 垂直条形图与标签旋转

有时，使用垂直条形图（即水平方向的条形图）可能是更好的选择，特别是当类别标签非常长时。在这种情况下，我们可以使用 barh() 函数来创建水平条形图，并相应地调整标签。

import matplotlib.pyplot as plt

categories = ['Very Long Category A', 'Extremely Long Category B', 'Another Long Category C', 'Yet Another Long Category D']
values = [4, 7, 2, 5]

plt.figure(figsize=(10, 6))
plt.barh(categories, values)
plt.title('Horizontal Bar Chart - how2matplotlib.com')
plt.xlabel('Values')
plt.ylabel('Categories')

plt.tight_layout()
plt.show()

Output:

在这个例子中，我们使用 plt.barh() 创建了一个水平条形图。注意 X 轴和 Y 轴的标签已经交换，以反映图表的方向变化。

6. 自定义标签样式

除了旋转标签，我们还可以自定义标签的其他样式，如字体大小、颜色等。以下是一个更复杂的例子，展示了如何自定义标签样式：

import matplotlib.pyplot as plt

categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
values = [4, 7, 2, 5, 6]

plt.figure(figsize=(12, 6))
plt.bar(categories, values)
plt.title('Bar Chart with Custom Labels - how2matplotlib.com', fontsize=16)
plt.xlabel('Categories', fontsize=14)
plt.ylabel('Values', fontsize=14)

plt.xticks(rotation=45, ha='right', fontsize=12, color='navy')
plt.yticks(fontsize=12)

plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.tight_layout()
plt.show()

Output:

在这个例子中，我们不仅旋转了 X 轴标签，还自定义了标签的字体大小和颜色。我们还添加了 Y 轴网格线，以提高可读性。

7. 处理长标签的技巧

当标签非常长时，即使旋转也可能无法完全显示。在这种情况下，我们可以考虑以下几种策略：

1. 缩短标签：使用缩写或截断长标签。
2. 使用换行符：在标签中插入换行符。
3. 使用小字体：减小标签字体大小。

以下是一个结合这些策略的示例：

import matplotlib.pyplot as plt

categories = ['Very Long Category A\nwith line break', 'Extremely Long Category B\nwith line break', 
              'Another Long Category C\nwith line break', 'Yet Another Long Category D\nwith line break']
values = [4, 7, 2, 5]

plt.figure(figsize=(12, 6))
plt.bar(categories, values)
plt.title('Bar Chart with Long Labels - how2matplotlib.com', fontsize=16)
plt.xlabel('Categories', fontsize=14)
plt.ylabel('Values', fontsize=14)

plt.xticks(rotation=45, ha='right', fontsize=10)
plt.yticks(fontsize=12)

plt.tight_layout()
plt.show()

Output:

在这个例子中，我们在长标签中插入了换行符 \n，并减小了标签的字体大小，以确保所有文本都能显示。

8. 使用 seaborn 简化绘图过程

Seaborn 是基于 Matplotlib 的统计数据可视化库，它提供了一些高级接口，可以简化绘图过程。使用 Seaborn 创建条形图并旋转标签可能会更加简单。

以下是使用 Seaborn 创建条形图并旋转标签的示例：

import matplotlib.pyplot as plt
import seaborn as sns

categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
values = [4, 7, 2, 5, 6]

plt.figure(figsize=(12, 6))
sns.barplot(x=categories, y=values)
plt.title('Seaborn Bar Chart - how2matplotlib.com', fontsize=16)
plt.xlabel('Categories', fontsize=14)
plt.ylabel('Values', fontsize=14)

plt.xticks(rotation=45, ha='right')
plt.tight_layout()
plt.show()

Output:

Seaborn 的 barplot() 函数自动处理了很多细节，如颜色选择和误差线。我们仍然可以使用 Matplotlib 的函数来自定义图表的其他方面，如标题和轴标签。

9. 处理大量类别

当有大量类别时，即使旋转标签也可能无法有效显示所有信息。在这种情况下，我们可以考虑以下策略：

1. 只显示部分标签
2. 使用交互式工具，如缩放和平移
3. 将图表分成多个子图

以下是一个只显示部分标签的示例：

import matplotlib.pyplot as plt

categories = [f'Category {i}' for i in range(20)]
values = [i % 10 + 1 for i in range(20)]

plt.figure(figsize=(14, 6))
plt.bar(categories, values)
plt.title('Bar Chart with Many Categories - how2matplotlib.com', fontsize=16)
plt.xlabel('Categories', fontsize=14)
plt.ylabel('Values', fontsize=14)

plt.xticks(range(0, len(categories), 2), [categories[i] for i in range(0, len(categories), 2)], rotation=45, ha='right')
plt.tight_layout()
plt.show()

Output:

在这个例子中，我们只显示了每隔一个的标签，以减少 X 轴上的拥挤程度。

10. 添加数据标签

为了进一步提高图表的可读性，我们可以在每个条形上添加数值标签。这在某些情况下可能比旋转 X 轴标签更有效。

以下是一个添加数据标签的示例：

import matplotlib.pyplot as plt

categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
values = [4, 7, 2, 5, 6]

plt.figure(figsize=(12, 6))
bars = plt.bar(categories, values)
plt.title('Bar Chart with Data Labels - how2matplotlib.com', fontsize=16)
plt.xlabel('Categories', fontsize=14)
plt.ylabel('Values', fontsize=14)

plt.xticks(rotation=45, ha='right')

for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{height}',
             ha='center', va='bottom')

plt.tight_layout()
plt.show()

Output:

在这个例子中，我们遍历每个条形，并在其顶部添加了对应的数值标签。这种方法可以让读者直接看到每个类别的具体数值，而不需要参考 Y 轴。

11. 使用颜色编码增强可读性

当类别较多时，使用不同的颜色可以帮助区分各个类别，即使标签被旋转也能快速识别。以下是一个使用颜色编码的示例：

import matplotlib.pyplot as plt
import numpy as np

categories = [f'Category {chr(65+i)}' for i in range(10)]
values = np.random.randint(1, 10, 10)

plt.figure(figsize=(14, 6))
bars = plt.bar(categories, values, color=plt.cm.Spectral(np.linspace(0, 1, 10)))
plt.title('Color-coded Bar Chart - how2matplotlib.com', fontsize=16)
plt.xlabel('Categories', fontsize=14)
plt.ylabel('Values', fontsize=14)

plt.xticks(rotation=45, ha='right')

for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{height}',
             ha='center', va='bottom')

plt.colorbar(plt.cm.ScalarMappable(cmap=plt.cm.Spectral), label='Category Color Code')
plt.tight_layout()
plt.show()

在这个例子中，我们使用了 Spectral 颜色映射来为每个条形分配不同的颜色。我们还添加了一个颜色条，以帮助读者理解颜色编码。

12. 分组条形图与标签旋转

当我们需要比较多个组之间的多个类别时，分组条形图是一个很好的选择。在这种情况下，旋转标签变得更加重要，因为标签数量会更多。

以下是一个分组条形图的示例：

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
group1 = [4, 7, 2, 5]
group2 = [3, 6, 4, 8]
group3 = [5, 2, 7, 3]

x = np.arange(len(categories))
width = 0.25

fig, ax = plt.subplots(figsize=(12, 6))
rects1 = ax.bar(x - width, group1, width, label='Group 1')
rects2 = ax.bar(x, group2, width, label='Group 2')
rects3 = ax.bar(x + width, group3, width, label='Group 3')

ax.set_title('Grouped Bar Chart - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Categories', fontsize=14)
ax.set_ylabel('Values', fontsize=14)
ax.set_xticks(x)
ax.set_xticklabels(categories, rotation=45, ha='right')
ax.legend()

plt.tight_layout()
plt.show()

Output:

在这个例子中，我们创建了一个分组条形图，每个类别包含三个组。我们使用 ax.set_xticklabels() 函数来旋转 X 轴标签。

13. 堆叠条形图与标签旋转

堆叠条形图是另一种展示多组数据的方式，它将不同组的数据堆叠在一起。在这种图表中，旋转标签同样重要。

以下是一个堆叠条形图的示例：

import matplotlib.pyplot as plt

categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
group1 = [4, 7, 2, 5, 6]
group2 = [3, 6, 4, 8, 5]
group3 = [5, 2, 7, 3, 4]

plt.figure(figsize=(12, 6))
plt.bar(categories, group1, label='Group 1')
plt.bar(categories, group2, bottom=group1, label='Group 2')
plt.bar(categories, group3, bottom=[i+j for i,j in zip(group1, group2)], label='Group 3')

plt.title('Stacked Bar Chart - how2matplotlib.com', fontsize=16)
plt.xlabel('Categories', fontsize=14)
plt.ylabel('Values', fontsize=14)

plt.xticks(rotation=45, ha='right')
plt.legend()

plt.tight_layout()
plt.show()

Output:

在这个例子中，我们使用 plt.bar() 函数的 bottom 参数来创建堆叠效果。标签旋转的方法与之前的例子相同。

14. 使用 GridSpec 创建复杂布局

当我们需要在一个图表中展示多个相关的条形图时，可以使用 Matplotlib 的 GridSpec 功能来创建复杂的布局。这样可以更好地利用空间，同时保持标签的可读性。

以下是一个使用 GridSpec 创建复杂布局的示例：

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 8]

fig = plt.figure(figsize=(12, 8))
gs = gridspec.GridSpec(2, 2, height_ratios=[3, 1])

ax1 = fig.add_subplot(gs[0, :])
ax1.bar(categories, values1)
ax1.set_title('Main Bar Chart - how2matplotlib.com', fontsize=16)
ax1.set_ylabel('Values', fontsize=14)
ax1.tick_params(axis='x', rotation=45, labelsize=12)

ax2 = fig.add_subplot(gs[1, 0])
ax2.bar(categories, values2)
ax2.set_title('Secondary Bar Chart 1', fontsize=14)
ax2.tick_params(axis='x', rotation=45, labelsize=10)

ax3 = fig.add_subplot(gs[1, 1])
ax3.bar(categories, [v1/v2 for v1, v2 in zip(values1, values2)])
ax3.set_title('Secondary Bar Chart 2', fontsize=14)
ax3.tick_params(axis='x', rotation=45, labelsize=10)

plt.tight_layout()
plt.show()

Output:

在这个例子中，我们使用 GridSpec 创建了一个 2×2 的网格，其中顶部跨越两列用于主要的条形图，底部两个小格用于次要的条形图。我们对每个子图的 X 轴标签都进行了旋转。

15. 动态调整标签旋转角度

在某些情况下，我们可能需要根据标签的长度动态调整旋转角度。以下是一个根据标签长度动态调整旋转角度的示例：

import matplotlib.pyplot as plt

categories = ['Short', 'Medium Length', 'Very Long Category', 'Extremely Long Category Name']
values = [4, 7, 2, 5]

plt.figure(figsize=(12, 6))
plt.bar(categories, values)
plt.title('Dynamic Label Rotation - how2matplotlib.com', fontsize=16)
plt.xlabel('Categories', fontsize=14)
plt.ylabel('Values', fontsize=14)

max_length = max(len(category) for category in categories)
rotation_angle = min(45, max(0, max_length - 8) * 5)  # 5 degrees per character over 8

plt.xticks(rotation=rotation_angle, ha='right' if rotation_angle > 0 else 'center')
plt.tight_layout()
plt.show()

Output:

在这个例子中，我们根据最长标签的长度来计算旋转角度。如果最长标签超过 8 个字符，我们就开始旋转，每多一个字符增加 5 度，最大旋转角度为 45 度。

16. 使用 ax.text() 替代 xticks

在某些情况下，使用 ax.text() 函数来手动放置标签可能比使用 xticks() 更灵活。这种方法允许我们更精确地控制标签的位置和旋转。

以下是一个使用 ax.text() 来放置旋转标签的示例：

import matplotlib.pyplot as plt

categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
values = [4, 7, 2, 5, 6]

fig, ax = plt.subplots(figsize=(12, 6))
bars = ax.bar(range(len(categories)), values)

ax.set_title('Bar Chart with Custom Label Placement - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Categories', fontsize=14)
ax.set_ylabel('Values', fontsize=14)

ax.set_xticks(range(len(categories)))
ax.set_xticklabels([])  # Remove default x-axis labels

for i, (category, value) in enumerate(zip(categories, values)):
    ax.text(i, -0.5, category, rotation=45, ha='right', va='top')

plt.tight_layout()
plt.show()

Output:

在这个例子中，我们首先移除了默认的 X 轴标签，然后使用 ax.text() 函数为每个类别手动添加旋转的标签。这种方法给了我们更多的控制权，可以精确地调整标签的位置和角度。

17. 使用 FuncFormatter 自定义标签格式

有时，我们可能需要对标签进行更复杂的格式化。Matplotlib 的 FuncFormatter 允许我们使用自定义函数来格式化标签。

以下是一个使用 FuncFormatter 来自定义标签格式的示例：

import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter

def format_label(x, pos):
    categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
    if x < len(categories):
        return f'{categories[int(x)]}\n({x+1})'
    return ''

categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
values = [4, 7, 2, 5, 6]

fig, ax = plt.subplots(figsize=(12, 6))
ax.bar(range(len(categories)), values)

ax.set_title('Bar Chart with Custom Formatted Labels - how2matplotlib.com', fontsize=16)
ax.set_xlabel('Categories', fontsize=14)
ax.set_ylabel('Values', fontsize=14)

ax.xaxis.set_major_formatter(FuncFormatter(format_label))
plt.xticks(range(len(categories)), rotation=45, ha='right')

plt.tight_layout()
plt.show()

Output:

在这个例子中，我们定义了一个 format_label 函数，它不仅返回类别名称，还添加了类别的索引号。我们使用 FuncFormatter 将这个函数应用到 X 轴的标签上。

18. 处理日期标签

当 X 轴表示日期时，旋转标签变得尤为重要，因为日期字符串通常较长。以下是一个处理日期标签的示例：

import matplotlib.pyplot as plt
import matplotlib.dates as mdates
from datetime import datetime, timedelta

start_date = datetime(2023, 1, 1)
dates = [start_date + timedelta(days=i) for i in range(10)]
values = [4, 7, 2, 5, 6, 8, 3, 9, 5, 7]

plt.figure(figsize=(12, 6))
plt.bar(dates, values)

plt.title('Bar Chart with Date Labels - how2matplotlib.com', fontsize=16)
plt.xlabel('Dates', fontsize=14)
plt.ylabel('Values', fontsize=14)

plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
plt.gca().xaxis.set_major_locator(mdates.DayLocator(interval=1))

plt.gcf().autofmt_xdate()  # Rotation and alignment of tick labels

plt.tight_layout()
plt.show()

Output:

在这个例子中，我们使用 matplotlib.dates 模块来格式化日期标签。autofmt_xdate() 函数自动旋转和对齐日期标签，使其更易读。

19. 使用 plt.subplots_adjust() 微调布局

有时，即使使用 tight_layout()，我们可能还是需要对图表布局进行更精细的调整，特别是当标签被旋转时。plt.subplots_adjust() 函数允许我们手动调整子图的位置。

以下是一个使用 plt.subplots_adjust() 微调布局的示例：

import matplotlib.pyplot as plt

categories = ['Very Long Category A', 'Extremely Long Category B', 'Another Long Category C', 'Yet Another Long Category D']
values = [4, 7, 2, 5]

plt.figure(figsize=(12, 6))
plt.bar(categories, values)
plt.title('Bar Chart with Adjusted Layout - how2matplotlib.com', fontsize=16)
plt.xlabel('Categories', fontsize=14)
plt.ylabel('Values', fontsize=14)

plt.xticks(rotation=45, ha='right')

plt.subplots_adjust(bottom=0.2)  # Increase bottom margin

plt.show()

Output:

在这个例子中，我们使用 plt.subplots_adjust(bottom=0.2) 来增加图表底部的边距，为旋转的标签留出更多空间。

20. 结合多种技巧创建复杂图表

最后，让我们结合本文介绍的多种技巧，创建一个更复杂、信息更丰富的图表：

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
values1 = [4, 7, 2, 5, 6]
values2 = [3, 6, 4, 8, 5]

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 10), height_ratios=[2, 1])

# Upper subplot: Grouped bar chart
x = np.arange(len(categories))
width = 0.35

rects1 = ax1.bar(x - width/2, values1, width, label='Group 1', color='skyblue')
rects2 = ax1.bar(x + width/2, values2, width, label='Group 2', color='lightgreen')

ax1.set_title('Grouped Bar Chart - how2matplotlib.com', fontsize=16)
ax1.set_ylabel('Values', fontsize=14)
ax1.set_xticks(x)
ax1.set_xticklabels(categories, rotation=45, ha='right')
ax1.legend()

# Add value labels on bars
for rects in [rects1, rects2]:
    for rect in rects:
        height = rect.get_height()
        ax1.annotate(f'{height}',
                     xy=(rect.get_x() + rect.get_width() / 2, height),
                     xytext=(0, 3),  # 3 points vertical offset
                     textcoords="offset points",
                     ha='center', va='bottom')

# Lower subplot: Horizontal bar chart of differences
differences = [v1 - v2 for v1, v2 in zip(values1, values2)]
colors = ['red' if d < 0 else 'green' for d in differences]

ax2.barh(categories, differences, color=colors)
ax2.set_title('Difference between Group 1 and Group 2', fontsize=14)
ax2.set_xlabel('Difference', fontsize=12)

# Add value labels on bars
for i, v in enumerate(differences):
    ax2.text(v, i, f' {v:+}', va='center')

# Adjust layout and display
plt.tight_layout()
plt.show()

Output:

这个例子结合了多种技巧：
1. 创建了一个包含两个子图的复杂图表
2. 上半部分是一个分组条形图，展示了两组数据的对比
33. 使用了不同的颜色来区分两组数据
4. 在每个条形上添加了数值标签
5. 旋转了 X 轴标签以避免重叠
6. 下半部分是一个水平条形图，展示了两组数据之间的差异
7. 使用了颜色编码来表示差异的正负
8. 在水平条形图上添加了带符号的差值标签

这个复杂的图表展示了如何将多种技巧结合起来，创建一个信息丰富、易于理解的可视化。

总结

在本文中，我们详细探讨了如何在 Matplotlib 中创建条形图并旋转 X 轴标签。我们介绍了多种技巧和方法，包括：

1. 基本的条形图创建和标签旋转
2. 调整标签旋转角度
3. 处理长标签和大量类别
4. 使用垂直条形图
5. 自定义标签样式
6. 添加数据标签
7. 使用颜色编码增强可读性
8. 创建分组和堆叠条形图
9. 使用 GridSpec 创建复杂布局
10. 动态调整标签旋转角度
11. 使用 ax.text() 替代 xticks
12. 使用 FuncFormatter 自定义标签格式
13. 处理日期标签
14. 使用 plt.subplots_adjust() 微调布局

这些技巧可以帮助你创建更加清晰、信息丰富的条形图，有效地解决标签重叠和可读性问题。根据具体的数据和需求，你可以选择最适合的方法或将多种方法结合使用。

在实际应用中，创建有效的数据可视化不仅需要技术知识，还需要对数据有深入的理解，以及对设计原则的把握。通过不断实践和尝试，你可以逐步提高自己创建引人注目且富有洞察力的图表的能力。

记住，好的数据可视化应该能够清晰、准确、高效地传达信息，同时还要考虑到美观性和受众的需求。旋转 X 轴标签只是众多可视化技巧中的一种，它的目的是提高图表的可读性和理解性。在使用这些技巧时，始终要以提高数据传达效果为目标。