什么是数据可视化？数据可视化是为了使得数据更高效地反应数据情况，便于让读者更高效阅读，通过数据可视化突出数据背后的规律，以此突出数据中的重要因素，如果使用Python做数据可视化，建议学好如下这四个Python数据分析包，分别是：
Pandas、Matplotlib、Seaborn、Pyecharts
学好以上四个数据分析包，做可视化足够用了，全文较长，建议耐心看完，学习后即可使用Python做数据可视化，具体的代码实操部分可以实际用代码进行演示，这样才能更好的掌握，下面一起来学习~
01. Pandas
官网https://www.pypandas.cn/
Pandas 是 Python的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据，广泛应用于数据分析领域，Pandas 适用于处理与 Excel 表类似的表格数据，以及有序和无序的时间序列数据等。
Pandas 的主要数据结构是 Series（一维数据）和 Dataframe（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例，使用pandas进行数据分析流程包含数据整理与清洗、数据分析与建模、数据可视化与制表等阶段python新手代码练习。
-
灵活的分组功能：group by数据分组；
-
直观地合并功能：merge数据连接；
-
灵活地重塑功能：reshape数据重塑；
pandas库不仅可以做一些数据清洗的工作，还可以使用pandas作图，并且做图时，使用一行代码就可以轻松作图，详细的作图方法可以看代码中的注释。
02. Matplotlib
官网https://www.matplotlib.org.cn/
Matplotlib是一个Python 2D绘图库，它以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。Matplotlib可用于Python脚本，Python和IPython Shell、Jupyter笔记本，Web应用程序服务器和四个图形用户界面工具包。
Matplotlib 尝试使容易的事情变得更容易，使困难的事情变得可能，只需几行代码就可以生成图表、直方图、功率谱、条形图、误差图、散点图等。
为了简单绘图，该 pyplot 模块提供了类似于MATLAB的界面，尤其是与IPython结合使用时，对于高级用户，您可以通过面向对象的界面或MATLAB用户熟悉的一组功能来完全控制线型，字体属性，轴属性等。
下面介绍matplotlib的用法，使用matplotlib除了可以作图外，还可以对于图表的参数做一些调整，使得图表更加美观，关于使用matplotlib的建议，可以做一些常用的图表模板，更换代码的数据源就可以生成图表，而不用一点一点的去调整参数。
这里首先导入matplotlib库，并使用了seaborn-white的图表风格，可以使用plt.style.available 查看图表的风格，选择一个自己喜欢的图表风格，在图表中不能显示汉字，使用一段代码就可以显示了。
这里首先设置图像的大小，跟我们画画一样，选择多大的纸张去作图，一样的道理，然后设置坐标轴，起始坐标，网格线等。
有时候，要在一张图表上绘制多条线。
可以在一个plt.plot命令后继续加另一个plt.plot命令，可以在一张图上做另一条线。
使用plt.subplots命令也可以作出同样的图。
多表绘制
下面介绍在一张图表的不同位置绘制不同的线型，使用plt.subplot命令首先确定绘图的位置，比如plt.subplot(223)表示在2*2分布的图表中第三个位置，其余的绘图命令相似。
除了使用plt.subplot命令确定绘图区域外，还可以用axs[ ]命令绘图，这种绘图方式是面向对象的绘图方式。
有时候绘制多张表时需共享一个坐标轴，可以使用sharex='all'命令。
设置全局变量
使用plt.rcParams命令对全局变量设置，包括字符显示、中文显示、背景颜色、标题大小、坐标轴字体大小，线型等。
下图就是通过设置全局变量做的图，个人觉得并不美观，对于其他图表全局变量的设置，大家可以探索，做出更好看的图表。
03. Seaborn
官网http://seaborn.pydata.org/
Seaborn 是一个基于matplotlib的 Python 数据可视化库，它建立在matplotlib之上，并与Pandas数据结构紧密集成，用于绘制有吸引力和信息丰富的统计图形的高级界面。
Seaborn 可用于探索数据，它的绘图功能对包含整个数据集的数据框和数组进行操作，并在内部执行必要的语义映射和统计聚合以生成信息图，其面向数据集的声明式 API可以专注于绘图的不同元素的含义，而不是如何绘制它们的细节。
Matplotlib 拥有全面而强大的 API，几乎可以根据自己的喜好更改图形的任何属性，seaborn 的高级界面和 matplotlib 的深度可定制性相结合，使得Seaborn既可以快速探索数据，又可以创建可定制为出版质量最终产品的图形。
绘制多行图
将变量按照多行的形式进行绘制，使用sns.FacetGrid命令。
绘制热力图
将数据的大小用热力图进行呈现，使用sns.heatmap命令。
04. Pyecharts
官网https://pyecharts.org/#/
Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。
Pyecharts具有简洁的 API 设计，使用如丝滑般流畅，支持链式调用，囊括了 30+ 种常见图表，应有尽有，支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab，拥有高度灵活的配置项，可轻松搭配出精美的图表。
Pyecharts强大的数据交互功能，使数据表达信息更加生动，增加了人机互动效果，并且数据呈现效果可直接导出为html文件，增加数据结果交互的机会，使得信息沟通更加容易。
绘制地图
Pyecharts有着丰富的图表素材，支持链式调用，如下是使用Pyecharts的地理图表功能，空间上直观显示数据可视化效果。
绘制雷达图
使用Radar命令绘制出雷达图，用来显示多变量数据的图形方法。
以上介绍pandas如何绘制图表，同时引申matplotlib库的使用，并且介绍Seaborn和Pyecharts这两个数据可视化库，加以了解Python数据可视化内容，同时在数据可视化中学习多表绘制和设置全局变量，相信通过以上的学习，一定能对你学习Python数据可视化有所启发。
— 完 —