• 趋势分析：折线图
• 静态比较：条形图
• 分布分析：箱线图
• 离散情况：散点图

import matplotlib.pylab as plt
from abc import ABC, abstractmethod
import seaborn as sns
import pandas as pd
import plotly.graph_objects as go
import plotly.io as pio
import altair as alt
from bokeh.plotting import figure, output_file, show
from bokeh.io import output_file, show
from bokeh.palettes import Category20c
from bokeh.plotting import figure, show
from bokeh.transform import cumsum
from math import pi
import numpy as np


class PlotStrategy(ABC):
    # 抽象类：强制子类实现此方法
    @abstractmethod
    def plot(self, x_data, y_data, desc):
        pass


class LineMulPlotStrategy(PlotStrategy):
    def plot(self, x_data, y_data, desc):
        print('折线图')
        plt.clf()  # 清除当前图形内容
        arr_data = [d[list(d.keys())[0]] for d in y_data]  # 提取数据
        arr_key = [list(d.keys())[0] for d in y_data]

        plt.plot(x_data, arr_data[0], label=arr_key[0])
        plt.plot(x_data, arr_data[1], label=arr_key[1])

        plt.xlabel(desc[1])
        plt.ylabel(desc[2])
        plt.title(desc[0])
        plt.legend()
        # plt.show()
        plt.savefig('./lineMul.png')

class  BarMulPlotStrategy(PlotStrategy):
    def plot(self, x_data, y_data, desc):
        print('柱状图')
        plt.clf()  # 清除当前图形内容
        arr_data = [d[list(d.keys())[0]] for d in y_data]  # 提取数据
        arr_key = [list(d.keys())[0] for d in y_data]

        bar_width = 0.35  # 条形宽度
        x_offset = 0.2  # 每个条形图的水平偏移量

        # 绘制第一个条形图
        # np.arange() 函数的作用是生成一个等差序列的一维数组。
        # 如果 x_data 是一个有 5 个元素的列表，那么 np.arange(len(x_data)) 将生成一个包含 0、1、2、3、4 的整数数组
        plt.bar(np.arange(len(x_data)) - x_offset, arr_data[0], width=bar_width, label=arr_key[0])
        # 绘制第二个条形图
        plt.bar(np.arange(len(x_data)) + x_offset, arr_data[1], width=bar_width, label=arr_key[1])

        # plt.bar(x_data, arr_data[0])
        # plt.bar(x_data, arr_data[1])

        plt.xlabel(desc[1])
        plt.ylabel(desc[2])
        plt.title(desc[0])

        # plt.show()
        plt.savefig('./BarMul.png')

class  BoxMulPlotStrategy(PlotStrategy):
    def plot(self, x_data, y_data, desc):
        print('箱线图')
        plt.clf()  # 清除当前图形内容
        arr_data = [d[list(d.keys())[0]] for d in y_data]  # 提取数据
        arr_key = [list(d.keys())[0] for d in y_data]

        plt.boxplot(arr_data, tick_labels=arr_key)

        plt.xlabel(desc[1])
        plt.ylabel(desc[2])
        plt.title(desc[0])

        # plt.show()
        plt.savefig('./BoxMul.png')

class  ScatterMulPlotStrategy(PlotStrategy):
    def plot(self, x_data, y_data, desc):
        print('散点图')
        plt.clf()  # 清除当前图形内容
        arr_data = [d[list(d.keys())[0]] for d in y_data]  # 提取数据
        arr_key = [list(d.keys())[0] for d in y_data]

        plt.scatter(x_data, arr_data[0], label=arr_key[0])
        plt.scatter(x_data, arr_data[1], label=arr_key[1])

        plt.xlabel(desc[1])
        plt.ylabel(desc[2])
        plt.title(desc[0])
        # 显示label对应的图例
        plt.legend()

        # plt.show()
        plt.savefig('./ScatterMul.png')

# Context类持有PlotStrategy的引用。可以通过set_strategy方法动态地更改策略
class Context:
    def __int__(self, strategy: PlotStrategy):
        # _ 开头的变量,表示这是一个受保护的变量
        # 该变量只在类内部及其子类中使用，而不应在类外部直接访问
        self._strategy = strategy

    def set_strategy(self, strategy: PlotStrategy):
        self._strategy = strategy

    def execute_strategy(self, x_data, y_data, desc):
        self._strategy.plot(x_data, y_data, desc)


x = ['A','B','C','D','E']
y = [
    {'key1':[2, 3, 6, 1, 4]},
    {'key2':[1, 2, 3, 4, 5]}
    ]
desc = ['title', 'x', 'y']


context = Context()

context.set_strategy(LineMulPlotStrategy())
context.execute_strategy(x, y, desc)

context.set_strategy(BarMulPlotStrategy())
context.execute_strategy(x, y, desc)

context.set_strategy(BoxMulPlotStrategy())
context.execute_strategy(x, y, desc)

context.set_strategy(ScatterMulPlotStrategy())
context.execute_strategy(x, y, desc)

折线图
柱状图
箱线图
散点图