Python 数据可视化 · 课堂欢迎页

让数据 被看见。

从 Matplotlib 的第一条折线，到 pyecharts 的可交互图表。 沿着课本的九章脉络，练习把数字翻译成直觉，把图表变成故事。

进入课程图谱 查看学习路径
Matplotlib Seaborn pyecharts
FIG. 01 课本目录 × 能力路径 / 9 CHAPTERS
SCROLL TO EXPLORE 目录 / 09 CHAPTERS
课程章节 / Chapters 09

从环境搭建到 Web 整合，九章完整脉络。

章节实例 / Live cases 09

章章有实例：场景、数据、图表与代码一次给全。

核心工具 / Toolkits 03

Matplotlib、Seaborn、pyecharts 三种表达。

结课作品 / Final work 01

把九章能力，收束成一个可以访问的故事。

02 Course map

九章，
章章都有一个
能跑通的实例。

以《Python 数据可视化（第 2 版）》目录为骨架，每章收一个课堂实例：真实场景、示例数据、图表预览和可复制的代码，直接点开就能对照着练。

点击章节看实例 · 支持方向键
Chapter 01 · Foundation 课本 P.01 — 22

数据可视化与 Matplotlib

从“什么是数据可视化”出发，完成 Anaconda 与 Jupyter Notebook 的环境准备，认识 Matplotlib 的 Figure、Axes 与绘图流程，画出第一张图。

本章实例 Live case / 可运行

第一个 Matplotlib 图表

一周访问量趋势：从 Figure 与 Axes 出发，用不到十行代码跑通“数据 → 图形”的第一步。

数据：某课程主页一周访问量（示例）

本章要点 Takeaways

  • 01Figure 是画布，Axes 才是那张真正的图
  • 02pyplot 写得快，面向对象写法更适合复用
  • 03savefig(dpi=200) 出图，别只靠截图

核心 API Keywords

可视化方式 环境搭建 核心类
ch01_first_plot.py 
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(6, 3))
ax.plot(days, views, marker='o', color='#5b7cfa')
ax.set(title='Weekly page views', ylabel='views')
plt.show()
PROGRESS 01 / 09
03 Learning path

把九章，
走成一条能力曲线。

课程不是九个孤立的章节。先学会看图，再学会表达；先组织画面，再走向交互。每一步，都在为下一步准备工具。

STEP 01

先看懂图

认识可视化的语言，跑通 Anaconda 与 Jupyter，用 plot、bar、hist 等十类图表建立“数据—图形”的对应关系。

本章实例一周访问量折线 · 未来 15 天气温对比 CH.01 — 02
STEP 02

学会表达

用标题、图例、注释、参考线、颜色与字体，把图表从“能看”推进到“一眼看懂”，让重点自己站出来。

本章实例汽车速度与制动距离 · 社零增速样式美化 CH.03 — 04
STEP 03

组织画面

用子图、共享坐标轴、刻度与轴脊，把多个信息层级安排进同一张画布，让复杂内容仍然秩序清楚。

本章实例气温与降水蒸发双子图 · 快递业务量双轴图 CH.05 — 06
STEP 04

走向交互

从三维、动画到 Seaborn、pyecharts，让图表可以被探索、被组合、被发布，最终走进浏览器。

本章实例分时段客流热力图 · App 评分小提琴 · 虎扑分区圆环 CH.07 — 09

好的图表不是把数据画出来，而是替读者完成一次理解。

课堂寄语
A NOTE FOR THE CLASS
05 Chart clinic

同一组数据，
改前与改后。

画图最容易犯的错，不在代码里，在判断上。切换"改前 / 改后"，再点四个毛病看看它们各落在图的哪个位置。

切换对比 · 点毛病看改法
BEFORE / AFTER

TIP点右边任意一个毛病，图上会圈出位置，这里给出改法。

这张图有四处毛病

    06 Toolbox

    三种工具，
    同一件事：
    把数据讲清楚。

    Matplotlib 给你控制力，Seaborn 给你统计图的默认美感，pyecharts 把作品带进浏览器。试试卡片里的 Quick Demo：切换图形，再换一组数据。

    01 / MATPLOTLIB 基础 · 控制力

    Matplotlib

    可视化课程的底座。从 Figure 与 Axes 开始，理解每一根线、每一个刻度是如何被放上画布的。

    QUICK DEMO
    plt.plot(x, y)
    first_plot.py 
    import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [12, 28, 21, 46, 58]

plt.plot(x, y)
plt.show()
    CH. 01 — 07 plot() · bar() · hist()
    02 / SEABORN 统计 · 默认美感

    Seaborn

    建立在 Matplotlib 之上的统计绘图库。用更少代码获得分布、分类与关系图，把注意力留给数据本身。

    QUICK DEMO
    sns.boxplot(...)
    distribution.py 
    import seaborn as sns

sns.set_theme(style="whitegrid")
sns.boxplot(
    data=df, x="class", y="score"
)
sns.despine()
    CH. 08 boxplot() · kdeplot()
    03 / PYECHARTS 交互 · Web 叙事

    pyecharts

    把 Python 图表变成 HTML 交互页面。配置项、组合图表、Web 框架整合，让作品真正上线，而不只停在笔记本里。

    QUICK DEMO
    Bar().render()
    chart_page.py 
    from pyecharts.charts import Bar

x = ["A", "B", "C", "D", "E"]
y = [32, 48, 61, 44, 73]

bar = Bar()
bar.add_xaxis(x)
bar.add_yaxis("销量", y)
bar.render("chart.html")
    CH. 09 Bar() · Grid() · Timeline()
    07 About this page

    一份目录，
    也可以是一个入口。

    这是 Python 数据可视化课程的课堂欢迎页，也是一次把课本目录重新组织成浏览体验的练习。从九章结构到十二个实例、每一处可点的交互，都指向同一件事：让数据被看见。

    从第 1 章开始