用ChartMapping类和DataFrame accessor封装映射规则，将字段名、坐标轴、分组逻辑抽象为可配置对象，支持预设模板、自动校验、中文标签与多维分组上下文管理，实现“改得快”而非“写得短”。

用对象方法简写重构多维数据分析图表的数据映射层，核心是把重复的列名、坐标轴映射、分组逻辑封装成可复用的对象接口，避免硬编码字段名和手动拼接参数。关键不在“写得短”，而在“改得快”——当数据结构或业务维度变化时，只需调整对象定义，不碰绘图逻辑。

用类封装映射规则，替代字符串字面量

把图表所需的字段映射（如 x/y/hue/size）抽象为配置类，而不是在每处 .plot() 或 sns.scatterplot() 中反复写 x='sales'、y='profit'：

• 定义一个 ChartMapping 类，接收 DataFrame 和维度语义（如 "time", "category", "metric"），自动推导或绑定对应列名
• 支持按业务场景预设映射模板，例如：sales_mapping = ChartMapping(role='sales_dashboard')，内部已约定 x='date'、y='revenue'、hue='region'
• 调用时直接传入对象：df.plot.scatter(**sales_mapping.as_dict())，无需记忆字段名

利用 pandas 的 accessor 扩展 DataFrame 接口

通过自定义 accessor（如 df.viz）把映射逻辑挂载到 DataFrame 实例上，实现链式调用：

• 注册一个 VisualizationAccessor，使 df.viz.bar(x='month', y='total') 自动识别并校验字段是否存在、类型是否适配（如 y 必须是数值型）
• 支持维度别名：调用 df.viz.box(y='profit', by='product_line') 时，自动将 'product_line' 映射到实际列 'prod_category'（通过内部字典或配置表）
• 错误提示友好化：若传入不存在的字段名，提示“字段 'profit' 未找到，可用字段：['revenue', 'cost', 'margin']”

用命名元组或 dataclass 管理多维分组上下文

面对时间+地区+产品三级聚合图表，避免嵌套字典或手动构造 groupby(['year', 'region', 'product'])：

• 定义 GroupContext dataclass，含 temporal、geographic、product 字段，每个字段可为字符串、列表或函数
• 图表方法接受该对象：df.viz.heatmap(context=GroupContext(temporal='quarter', geographic='city'))
• 内部自动执行 df.groupby([context.temporal, context.geographic]).mean().unstack()，输出即为绘图所需格式

统一处理中文字段与显示标签

避免在每张图里单独设置 plt.xlabel('销售额（万元）')：

• 在映射对象中内置字段标签字典：label_map = {'revenue': '销售额（万元）', 'date': '销售日期'}
• 绘图方法调用时自动注入：ax.set_xlabel(mapping.label('revenue'))
• 支持多语言切换，只需替换 label_map 实例，不影响图表逻辑