常用的python可視化工具包是matplotlib，seaborn是在matplotlib基礎上做的進一步封裝。入坑python可視化，對有些人來說如同望山跑死馬，心氣上早輸了一節。其實學習一門新知識，首先要掌握的是這門知識的最少最核心知識，剩下的就讓它在實踐中拓展吧。
視圖分類
可視化視圖的分類常常從兩個維度：變量個數和變量之間的關系。按變量個數分可分為單變量分析和多變量分析。變量之間的關系常有下面四種：
- 比較關系，如：折線圖。
- 聯系，如：散點圖。
- 構圖，如：餅圖。
- 分布，如：直方圖。
知道了這些，還不夠！你好要掌握如下幾種常見的視圖畫法。
工欲善其事，必先利其器！開始畫圖之前你需要注意這幾個問題：
- 引入合適的包
import matplotlib.pyplot as plt
import seaborn as sns
- 處理中文亂碼和負號問題
plt.rcParams['font.sans-serif']=['SimHei'] # 用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus'] = False #用來正常顯示負號
Plus1：上面的中文設置在MAC平台的Spyder上無效，需要替換成如下的設置：
plt.rcParams['font.family'] = ['Arial Unicode MS'] #用來正常顯示中文標簽
Plus2：你可以把下面的這幾條語句當成作圖過程中的固定代碼塊：
import matplotlib.pyplot as plt # 導入作圖庫
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus'] = False # 用來正常顯示負號
plt.figure(figsize = (7, 5)) # 創建圖像區域，指定比例
好了現在開始我們的繪圖之旅吧！
散點圖（scatter plot）
散點圖可以用來顯示兩個變量的關系，其核心示例代碼如下：
plt.scatter(x,y,marker='X')
plt.show()
對應的生成圖如下：
折線圖
折線圖一般用來描述數據隨時間變化的趨勢，其核心代碼示例如下：
x =[i+1 for i in range(2009,2019)]
y =[5,3,6,20,17,16,19,30,32,35]
plt.plot(x,y)
plt.show()
其生成圖如下所示：
折線圖豪華升級版本代碼如下：
import numpy as np
import matplotlib.pyplot as plt
x =np.linspace(0,10,1000)
y=np.sin(x)+1
z=np.cos(x**2)+1
plt.figure(figsize=(8,4))
plt.plot(x,y,label='$\sin x+1$',color='red',linewidth=2)
plt.plot(x,z,'b--',label='$\cos x^2+1$')
plt.xlabel('Time(s) ')
plt.ylabel('Volt')
plt.title('A Simple Example')
plt.ylim(0,2.2)
plt.legend()
plt.show()
直方圖
直方圖又稱質量分布圖，能比較直觀的體現出不同階段，數量（質量）的分布狀態，其核心示例代碼如下：
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
a =np.random.randn(100)
b = pd.Series(a)
plt.hist(b)
plt.show()
其生成圖如下所示：
條形圖
條形圖和直方圖很像，如果說通過直方圖可以了解到變量的數值分布，那么條形圖可以幫我們查看變量的類別特征。其核心示例代碼如下：
x =['cat1','cat2','cat3','cat4','cat5']
y =[5,4,8,12,7]
plt.bar(x,y)
plt.show()
其生成圖如下：
箱線圖
箱線圖又稱盒式圖，由五個數值點構成：max（最大值）、min（最小值）、median（中位數）、Q3（上四分位數）和Q1（下四分位數）組成，比較直觀的圖示如下：
下面我們來模擬箱線圖的生成，其核心示例代碼如下：
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
data = np.random.normal(size=(10,4))
lables =["A","B","C","D"]
plt.boxplot(data,labels=lables)
plt.show()
生成圖如下所示：
餅圖
餅圖常用來描述部分和整體之間的比例，其核心示例代碼如下
nums =[24,37,19,9]
lables =["A","B","C","D"]
plt.pie(x=nums,labels=lables)
plt.show()
其生成圖示例如下：
其豪華升級版本如下：
import matplotlib.pyplot as plt
labels = 'Frogs','Hogs','Dogs','Logs'
sizes =[15,30,45,10]
colors=['yellowgreen','gold','lightskyblue','lightcoral']
explode=(0,0.1,0,0)
plt.pie(sizes,explode =explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=90)
plt.axis('equal')
plt.show()
其示例圖如下所示：
熱力圖
熱力圖是一種直觀的多遠變量分析方法，是一種矩陣表示方法，其中矩陣的不同元素值用不同的顏色來表示。在模擬時，我們需要導入seaborn中自帶的數據集fights。其核心示例代碼如下：
import matplotlib.pyplot as plt
import seaborn as sns
# data prepare
flights = sns.load_dataset("flights")
data=flights.pivot('year','month','passengers')
sns.heatmap(data)
plt.show()
其圖像示例如下：
未完待續…