趋近智
使用 Matplotlib 和 Seaborn 进行数据可视化
章节 1: 数据可视化入门
数据可视化是什么？
为何要在人工智能和工程领域将数据可视化？
Matplotlib 介绍
Seaborn 简介
Matplotlib 与 Seaborn 的关系
设置您的Python环境
导入库
您的第一个简单图表
章节 2: Matplotlib 绘图基本知识
Matplotlib 图的结构：Figure 与 Axes
创建基础绘图脚本
折线图：绘制趋势
散点图：表示关联
添加标题和标签
更改颜色和线条样式
设置坐标轴范围
实践：创建简单的折线图和散点图
章节 3: 基本 Matplotlib 图表类型
用于比较的条形图
创建垂直和水平条形图
用于表示分布的直方图
理解直方图的分箱
用于表示比例的饼图
堆叠图表
动手实践：绘制不同数据类型图表
章节 4: Seaborn 简介：提升图表效果
Seaborn的作用：高级接口
设定 Seaborn 样式与上下文
Seaborn 调色板
使用 Seaborn 创建散点图 (scatterplot)
使用 Seaborn 绘制折线图 (lineplot)
了解 Seaborn 的数据输入要求
练习：使用Seaborn重制图表
章节 5: 使用 Seaborn 可视化数据分布
直方图和核密度估计 (histplot, kdeplot)
可视化联合分布 (jointplot)
用于汇总统计的箱线图 (boxplot)
小提琴图：结合箱线图和核密度估计图 (violinplot)
理解分布图选择
动手实践：绘制数据分布图
章节 6: 使用 Seaborn 绘制分类数据
理解分类数据
汇总统计条形图 (barplot)
频率计数图 (countplot)
分类变量的箱线图 (boxplot)
散点分布图与分群散点图：独立数据点的呈现 (stripplot, swarmplot)
趋势点图 (pointplot)
实践操作：分类特征的可视化
章节 7: 图表定制与保存
为图表添加文本和注释
管理图例
调整图形大小和布局
使用 Matplotlib 面向对象 API 实现更精细的控制
应用 Seaborn 主题
将图表保存到文件（PNG、JPG、PDF、SVG）
选择正确的文件格式
实践：优化你的图表
章节 8: 使用 Pandas DataFrame 绘图
Pandas Series 和 DataFrame 简要介绍
将数据加载到DataFrame
直接从DataFrame进行基础绘图
使用 Matplotlib 配合 DataFrame 列
使用 Seaborn 和 DataFrames
数据筛选与绘图准备
动手实践：从文件中进行数据可视化
使用 Matplotlib 和 Seaborn 进行数据可视化
先修课程 基本 Python 知识有所帮助
级别:
初级
理解可视化原理
认识数据可视化的重要性，并识别何时使用不同类型的图表。
使用 Matplotlib 制作基本图表
使用 Matplotlib 生成折线图、散点图、条形图和直方图等基本图表。
自定义 Matplotlib 图表
修改图表元素，如标题、标签、颜色、线条样式和坐标轴限制。
运用 Seaborn 制作优质图表
运用 Seaborn 以更简洁的语法创建具有统计信息且美观的可视化图表。
数据分布与分类可视化
使用 Seaborn 创建专门用于展示数据分布（直方图、核密度估计图、箱线图）和分类数据（条形图、计数图、簇状图）的图表。
与 Pandas 整合
使用 Pandas DataFrame 加载数据，并直接使用 Matplotlib 和 Seaborn 从中制作可视化图表。
保存与分享可视化图表
将图表保存为各种文件格式，用于报告、演示文稿或网页使用。
目前没有推荐的后续课程。
登录以撰写评论
分享您的反馈以帮助其他学习者。