Python数据可视化思维导图：

Python数据可视化思维导图，Python提供了多个可视化库，Matplotlib、Seaborn、Plotly和Bokeh是其中最流行和强大的库，Pandas也提供了一些基于Matplotlib的简单图表。

Python数据可视化思维导图：

• Python数据可视化
  • Matplotlib
    • 二维图
      • 直线图
      • 散点图
      • 条形图
    • 三维图
      • 曲面图
      • 散点图
    • 其他
      • 基本元素
      • 图表样式
  • Seaborn
    • 散点图
    • 带分布图
    • 热力图
    • 线性回归图
  • Plotly
    • Plotly Express
      • 线性图
      • 散点图
      • 区域图
      • 条形图
      • 直方图
    • Plotly.graph_objects
      • 线性图
      • 散点图
      • 柱状图
      • 饼图
  • Pandas
    • 散点图
    • 线性图
    • 区域图
    • 条形图
• 浮动主题
• 浮动主题
• NumPy
  • Numpy 数组创建
    • 数组创建函数：numpy.array(object,dtype=None,ndmin=0)
      • 创建数组对象的其他函数
  • Numpy数据类型
  • 索引和切片
  • Numpy数据的处理
• 散点
• 绘制图表的常见函数
  • scatter():绘制散点图、气泡图
    • scatter(x, y, [可选项])
  • plot()：绘制折线图
    • plt.plot(x,y ,[可选项])
  • bar():绘制柱状图、堆积柱状图
    • plt.bar(x, height, width=0.8, bottom=None, align='center', …）
  • barh():绘制条形图、堆积条形图
    • plt.barh(y, width, height=0.8, bottom=None, align='center', …
      • 参数： y：柱体的纵坐标值，无默认值 width：柱体的宽度值，无默认值 height：柱体的高度值，默认 height=0.8，当height取值比较小时，条形图比较细，条形图的间距比较宽；
  • hist():绘制直方图
    • plt.hist(x,[可选项])
  • pie():绘制饼图
    • import matplotlib.pyplot as plt values=[13.6,29.7, 56.7] plt.pie(values)# 绘制饼图 plt.show()
  • boxplot()：绘制箱线图
    • import matplotlib.pyplot as plt data=[19,18,17,18,19,23,20,20,21,19] plt.boxplot(data,labels=['age'])#绘制箱线图 plt.show()#显示图表
  • polar()：绘制雷达图
    • import matplotlib.pyplot as plt plt.axes(polar=True) #创建极坐标 plt.rgrids((1,2,3))#设置极径的刻度值 plt.show()
• 常见高级图型
• 常见图型
• 绘图基本流程
• 读写文件操作
  • 读取csv文件
    • import pandas as pd pdfile_data=pd.read_csv("new.csv")print("文件内容：\n",file_data
  • 写入csv文件
    • import pandas as pd df=pd.DataFrame({ "city":["changsha","wuhan"], "provice":["hunan","hubei"]})df.to_csv("new.csv")
  • 筛选csv文件内容：
• 总结：Python提供了多个可视化库，Matplotlib、Seaborn、Plotly和Bokeh是其中最流行和强大的库，Pandas也提供了一些基于Matplotlib的简单图表。