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 8: 使用 Pandas DataFrame 绘图
迄今为止，你已经学会使用 Matplotlib 和 Seaborn 结合基本的 Python 数据结构或 NumPy 数组来创建各种图表。然而，用于分析的数据通常存在于外部文件，例如电子表格或 CSV 文件中。Pandas 库是 Python 中加载、管理和处理此类结构化数据的标准工具，主要通过其 DataFrame 对象来实现。
本章着重于连接 Pandas 数据处理与 Matplotlib 和 Seaborn 可视化之间的环节。你将学会如何：
- 将常见文件格式的数据加载到 Pandas DataFrame 中。
- 运用直接内置于 Pandas DataFrame 的基本绘图方法。
- 将 Pandas DataFrame 有效地整合到 Matplotlib 和 Seaborn 函数中，直接传递数据列以创建可视化。
- 在绘图前，使用 Pandas 执行基本的数据筛选和准备步骤。
直接使用 DataFrame 简化了绘图过程，尤其是在处理包含多个变量的带标签数据集时。
课程章节
8.1 Pandas Series 和 DataFrame 简要介绍
8.2 将数据加载到DataFrame
8.3 直接从DataFrame进行基础绘图
8.4 使用 Matplotlib 配合 DataFrame 列
8.5 使用 Seaborn 和 DataFrames
8.6 数据筛选与绘图准备
8.7 动手实践：从文件中进行数据可视化
© 2026 ApX Machine Learning用心打造