### 绘制组合图表 为了实现一个包含两组不同数据的图表，其中一组数据显示为面积图而另一组显示为折线图，可以利用 `matplotlib` 或者 `seaborn` 库来完成此操作。下面提供了一个具体的例子，展示了如何通过 Python 实现这一目标。 #### 使用 Matplotlib 创建组合图表 ```python import numpy as np import matplotlib.pyplot as plt # 构造两个不同的数据集 x_values = range(1, 6) area_data = [1, 4, 9, 16, 25] line_data = [i * 3 for i in x_values] fig, ax1 = plt.subplots() color = 'tab:blue' ax1.set_xlabel('X Axis') ax1.set_ylabel('Area Data', color=color) ax1.fill_between(x_values, area_data, color=color, alpha=0.5) ax2 = ax1.twinx() color = 'tab:red' ax2.set_ylabel('Line Data', color=color) ax2.plot(x_values, line_data, color=color) plt.title("Combination of Area and Line Charts") fig.tight_layout() plt.show() ``` 这段代码首先定义了两个独立的数据序列用于表示两种不同类型的信息——一个是适合用作填充区域的颜色渐变形式；另一个则更适合以线条的形式展现出来。接着分别设置了双轴坐标系以便能够在一个图像窗口内同时呈现这两种视觉效果[^1]。 #### 结合 Seaborn 和 Matplotlib 的方法 如果希望进一步美化图形并简化绘图过程，则可以选择引入 Seaborn 来辅助绘制： ```python import seaborn as sns sns.set_theme(style="darkgrid") tips = sns.load_dataset("tips") # 加载内置示例数据集作为示范 total_bill_area = tips.groupby(['day']).sum()['total_bill'] tip_line = tips.groupby(['day']).mean()['tip'] f, ax = plt.subplots(figsize=(7, 5)) ax.stackplot(total_bill_area.index, total_bill_area.values, labels=['Total Bill'], colors=sns.color_palette("Blues")) ax.legend(loc='upper left') ax2 = ax.twinx() sns.pointplot(x=total_bill_area.index, y=tip_line.values, data=tips, ax=ax2, color="r", label='Average Tip') lines, labels = ax2.get_legend_handles_labels() ax2.legend(lines, labels, loc='upper right') plt.title('Daily Total Bills with Average Tips (Area & Line)') plt.show() ``` 这里选择了 Seaborn 提供的一个样例数据集来进行说明，并采用了堆叠面积图配合带标记点的折线图的方式展示每日总账单金额以及平均小费的变化趋势。这种方法不仅让读者更容易理解两者之间的关联性，同时也提高了整体美观度[^3]。