数据可视化，就是指将结构或非结构数据转换成适当的可视化图表，然后将隐藏在数据中的信息直接展现于人们面前。相比传统的用表格或文档展现数据的方式，可视化能将数据以更加直观的方式展现出来，使数据更加客观、更具说服力。
数据可视化已经被用于工作科研的方方面面，如工作报表、科研论文等，成为了不可或缺的基础技能。现在，就让我们一起来学习下数据可视化的基础知识。
一、常用可视化工具Python有许多用于数据可视化的库，例如常见的有seaborn、pyecharts（echarts的Python版本）、ggplot（移植于R语言的ggplot2，但是有些差别，Python有其他方法可以调用R语言的ggplot2）、bokeh、Plotly（同时支持Python和R语言）等等，这些大多是基于Matplotlib进行开发封装的。
Matplotlib是一个Python2D绘图库（使用Matplotlib发布的mpl_toolkits库可以画3D图形），能够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，用来绘制各种静态，动态，交互式的图表。
Matplotlib是Python最著名的绘图库，它提供了一整套和MATLAB相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，使用在Python脚本，Python和IPythonShell、Jupyternotebook，Web应用程序服务器和各种图形用户界面工具包等上面。
二、Matplotlib初识1.例子Matplotlib的图像是画在figure（如windows，jupyter窗体）上的，每一个figure又包含了一个或多个axes（一个可以指定坐标系的子区域）。最简单的创建figure以及axes的方式是通过pyplot.subplots命令，创建axes以后，可以使用Axes.plot绘制最简易的折线图。
声明：以下使用的是IPythonShell
%matplotlib#在IPythonShell调用Matplotlib绘图接口，需要加这行代码importmatplotlib.pyplotaspltimportnumpyasnpfig,ax=plt.subplots()#创建一个包含一个axes的figure#绘图ax.plot([1,2,3,4],[1,4,3,2])
这里有一个小知识点，很小很小，但是对于刚刚接触数据可视化的新手可能容易弄混。ax.plot([1,2,3,4],[1,4,3,2])这句代码里面第一个参数是数据集里各个数据点的X值的集合，第二个参数数据集里各个数据点的Y值的集合。所以这里输入的参数值并不是数学上常见的成对坐标点如(x1,y1)、(x2,y2)、...、(xn,yn)的格式，而是(x1,x2,...,xn)和(y1,y2,...,yn)。
2.例子和MATLAB命令类似，你还可以通过一种更简单的方式绘制图像，matplotlib.pyplot方法能够直接在当前axes上绘制图像，如果用户未指定axes，matplotlib会帮你自动创建一个。所以上面的例子也可以简化为以下这一行代码。
plt.plot([1,2,3,4],[1,4,2,3])这里有个trick（坑）需要注意一下。如上所示，在IPython或jupyternotebook的同一个代码框中，如果不对其声明画在哪个图上（可以使用plot()函数里面的ax参数进行指定），就会自动画到最后一个创建的图上（即最后一个Figure对象的最后一个Axes子图里）。
plt.figure()#创建一个新的Figure对象plt.plot([1,2,3,4],[1,4,2,3])更多例子可以在Matplotlib