2. 搭建Matplotlib绘图环境

在开始制作环境监测趋势报告之前，先把 Matplotlib 的运行环境搭稳，比后面反复调图要省事得多。本节围绕五件事展开：安装与导入、后端选择、中文字体配置、样式预设，以及交互模式与脚本模式的区别。它们共同决定了“图能不能画出来、画出来长什么样、在什么界面里显示”。

一、安装与导入：把依赖装对、把入口选对

Matplotlib 本身只依赖 NumPy，常规安装用 pip 即可。环境监测报告常需要读取 CSV/Excel 数据，因此通常一并安装 pandas；若数据表较大或需要更精细的刻度控制，可再加装 numpy。建议在虚拟环境中安装，避免与系统 Python 冲突：

python -m venv mplenv
# Windows: mplenv\Scripts\activate
# macOS/Linux: source mplenv/bin/activate
pip install matplotlib pandas
python -c "import matplotlib; print(matplotlib.__version__)"

导入方式有两种常见写法。第一种是面向对象风格，推荐在正式报告中采用：

import matplotlib.pyplot as plt
import pandas as pd

fig, ax = plt.subplots(figsize=(10, 4.5), dpi=120)
ax.plot(df["时间"], df["PM2.5"], color="#2f7ed8", linewidth=1.6)
ax.set_title("某监测点 PM2.5 日均值趋势")
ax.set_xlabel("时间")
ax.set_ylabel("浓度 (μg/m³)")
fig.savefig("pm25_trend.png", bbox_inches="tight")

第二种是 plt.plot(...) 的状态机风格，写起来短，适合快速探索，但多子图、多图层时容易混淆“当前坐标轴”。报告类脚本建议统一用 fig, ax 显式持有对象，后续设置标题、图例、网格都作用在明确的 ax 上，可维护性更好。

二、后端选择：图显示在哪里

“后端”是 Matplotlib 用来渲染和显示图形的底层接口。它决定了图是弹窗显示、嵌入 Notebook，还是只写文件不显示。常见后端及适用场景如下：

选择方式有两种：在代码最前面调用 matplotlib.use("Agg")，或在无图形界面的服务器上让 Matplotlib 自动回退到 Agg。注意 use() 必须在导入 pyplot 之前执行，否则可能不生效。批量生成日报图时，用 Agg 后端配合 savefig 是最稳妥的组合；而在本地调试阶段，用 TkAgg 弹窗逐张检查更直观。

三、中文字体配置：让标题和标签不乱码

Matplotlib 默认字体不含中文字形，直接写中文标题会出现方框。解决办法是显式指定系统中存在的中文字体，并同时修正负号显示。Windows 常用“Microsoft YaHei”或“SimHei”，macOS 常用“PingFang SC”或“Heiti SC”，Linux 可安装“Noto Sans CJK SC”。配置一次即可全局生效：

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["Microsoft YaHei", "SimHei", "Noto Sans CJK SC"]
plt.rcParams["axes.unicode_minus"] = False  # 负号正常显示

如果配置后仍显示方框，先用 matplotlib.font_manager 查询字体是否被识别，再确认字体名称拼写与系统实际名称一致。环境监测图常出现“μg/m³”这类单位，上标字符依赖字体覆盖范围，建议在标题中直接写“微克/立方米”或确认所选字体包含该字形，避免导出后单位缺失。

四、样式预设：统一报告视觉语言

Matplotlib 内置了 ggplot、seaborn-v0_8、bmh 等样式，可用 plt.style.use("ggplot") 一键切换。但环境监测报告往往有固定的配色与字号规范，更实用的做法是基于 rcParams 定义一套项目样式：统一网格线、字号、图例位置和主色，让日报、周报、月报的图看起来像同一套体系。样式设置应放在绘图之前，且只设置一次，避免每个图重复写。

五、交互模式与脚本模式：什么时候显示、什么时候阻塞

这是初学者最容易踩坑的地方。脚本模式下，plt.show() 会阻塞程序，直到关闭窗口才继续执行；交互模式下（plt.ion()），图会立即刷新但不阻塞，适合边算边看、动态更新曲线。两者的关键差异在于“是否阻塞”和“何时渲染”。

实际写报告脚本时，推荐默认使用脚本模式：数据读入、绘图、savefig 一气呵成，不依赖人工关闭窗口，便于定时任务和批量运行。只有在调试阶段需要反复观察中间结果时，才临时开启 plt.ion()，并在结束前调用 plt.ioff() 恢复。若在 Notebook 中，内联后端本身就会自动显示图形，通常不需要手动调用 show()。