导入库

在我们开始创建图表之前，我们需要将必要的工具引入我们的Python环境。就像你在烹饪前准备食材一样，我们需要导入计划使用的库。在Python中，import语句使得其他模块（或库）中的代码可以在你当前的脚本或交互式会话中使用。

对于数据可视化，我们讨论过的两个主要库是Matplotlib和Seaborn。导入它们有既定的惯例，这使得Python代码对于他人（以及将来的你！）来说更易读、更易理解。

导入Matplotlib

Matplotlib中用于绘图的主要接口是它的pyplot模块。它包含的功能让你可以生成图、创建绘图区域、绘制线、添加标签等等。导入pyplot的标准做法是为其指定一个更短的别名，即plt。这个别名在Python数据科学界被广泛使用。

import matplotlib.pyplot as plt

通过使用as plt，我们现在可以通过输入plt.后跟函数名（例如，plt.plot()）来调用pyplot的功能，而不是更长的matplotlib.pyplot.plot()。这省去了打字，并使代码更整洁。

导入Seaborn

Seaborn通常使用别名sns导入。虽然这个特定别名的起源没有明确说法，但这是随处可见的标准惯例。Seaborn的功能通常直接与Pandas DataFrame（我们稍后会讲到）配合使用，并能自动处理许多绘图细节。

import seaborn as sns

有了这个导入，你可以使用Seaborn的功能，例如sns.lineplot()或sns.set_theme()。

导入其他辅助库

虽然Matplotlib和Seaborn是我们绘图的重点，但数据通常以其他库管理的格式出现。NumPy对于数值运算非常重要，常用于创建示例数据，而Pandas对于数据处理和分析来说必不可少，尤其是其DataFrame结构。导入这些库也是常见做法，尤其是在处理数据文件时。

import numpy as np
import pandas as pd

同样，NumPy的np和Pandas的pd是标准别名。

整合起来

在大多数数据可视化脚本或Notebook中，你会在一开始就导入这些库：

# 核心可视化库
import matplotlib.pyplot as plt
import seaborn as sns

# 数据处理库（常一起使用）
import numpy as np
import pandas as pd

# (可选) 设置Seaborn样式以获得更好的图 - 我们稍后会讨论这个
sns.set_theme()

print("库导入成功！")

运行这些导入语句，使得matplotlib.pyplot、seaborn、numpy和pandas中的功能和对象可在你代码的其余部分使用，使用它们各自的别名（plt、sns、np、pd）。

既然我们知道如何将工具引入工作区，我们已准备好在下一节中创建第一个可视化图。