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
第 1 章测验
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
第 2 章测验
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
第 3 章测验
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
第 4 章测验
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
第 5 章测验
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
第 6 章测验
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
第 7 章测验
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
第 8 章测验
章节 4: Seaborn 简介：提升图表效果
在学会了 Matplotlib 绘图的基本操作后，本章将介绍 Seaborn。Seaborn 是一个基于 Matplotlib 构建的 Python 库，它提供了一个更高级的界面，用于创建有意义的统计图表。它通常能简化常见图表的代码，并提供美观的默认样式。
您将学习如何使用 Seaborn 的样式、上下文和丰富的调色板来控制图表的整体外观。我们将讲解如何使用 Seaborn 的专用函数创建散点图 (scatterplot) 和折线图 (lineplot) 等基本图表。此外，我们还将了解 Seaborn 如何与 Pandas DataFrame 良好配合，Pandas DataFrame 是一种常见的数据分析和可视化结构。本章重点在于使用 Seaborn 生成常用图表类型，以提升其美观度和统计表现力。
课程章节
4.1 Seaborn的作用：高级接口
4.2 设定 Seaborn 样式与上下文
4.3 Seaborn 调色板
4.4 使用 Seaborn 创建散点图 (scatterplot)
4.5 使用 Seaborn 绘制折线图 (lineplot)
4.6 了解 Seaborn 的数据输入要求
4.7 练习：使用Seaborn重制图表
© 2026 ApX Machine Learning用心打造