Show HN: 更好的图表 – 教会智能体摆脱Matplotlib的平庸之作

本课程的目标是解决一个常见问题：大多数Matplotlib生成的图表看起来都像是默认输出——带有方框式边框、单调的蓝色、重复坐标轴标签的标题，以及随机整数刻度线。修复这些问题并非能力不足，而是缺乏审美规则。本课程正是这些规则的集合。

课程首先强调了从pyplot状态机转向面向对象API的重要性。通过使用fig, ax = plt.subplots()，你可以直接操作图表对象，避免全局状态的混乱。所有后续操作都应基于ax和fig，不再使用plt.*调用。这一转变是后续所有改进的基础。

接着，课程介绍了视觉层次结构：Figure（画布）、Axes（绘图区域）和Artist（所有可见元素）。每个元素都是Artist，你可以通过.set_*()方法修改其属性。坐标系统包括数据坐标、轴坐标、图形坐标和显示坐标，合理选择坐标系统可确保标注位置固定。例如，使用轴分数坐标（axes fraction）可以使标注在不同数据范围的图表中保持相同的位置。

课程通过具体示例展示了改进效果。以月度收入数据为例，默认图表使用蓝色线条、方框边框、标题仅为“revenue”，难以传达信息。改进后的图表使用灰色线条作为背景，紫色突出显示峰值点，添加直接标注和精炼标题，如“Revenue peaked in July, then cooled into year-end”，使数据故事一目了然。另一个经典例子是航空公司乘客数据（1949-1960），通过应用主题样式、绘制12个月移动平均线，并添加说明性标题“US air travel roughly 17×'d in a decade — and the summer peaks grew with it”，清晰展示了增长趋势。

课程还总结了实用规则：始终持有句柄（fig, ax）；每个元素都是Artist，可被修改；有意识地选择坐标系统；在绘图前先思考图表类型。这些规则被收入项目可复用文件（如CLAUDE.md、VISUALIZATION_GUIDE.md、house_style.py），确保未来智能体能自动生成同等质量的图表。

总之，本课程不仅提供了具体的代码示例，还建立了一套可传承的审美规则，使任何人都能制作出专业、清晰的图表。