用Python进行数据可视化的10种方法
编译|黄念 校对|丁一
引言
艺术之美根植于其所传达的信息。有时候，现实并非我们所看到或感知到的。达芬奇（Da Vinci）和毕加索（Picasso）等艺术家都通过其具有特定主题的非凡艺术品，试图让人们更加接近现实。
数据科学家并不逊色于艺术家。他们用数据可视化的方式绘画，试图展现数据内隐藏的模式或表达对数据的见解。更有趣的是，一旦接触到任何可视化的内容、数据时，人类会有更强烈的知觉、认知和交流。
在数据科学中，有多种工具可以进行可视化。在本文中，我展示了使用Python来实现的各种可视化图表。
怎样才能在Python中实现可视化？
涉及到的东西并不多！Python已经让你很容易就能实现可视化——只需借助可视化的两个专属库（libraries），俗称matplotlib和seaborn。听说过吗？
Matplotlib：基于Python的绘图库为matplotlib提供了完整的2D和有限3D图形支持。这对在跨平台互动环境中发布高质量图片很有用。它也可用于动画。
Seaborn：Seaborn是一个Python中用于创建信息丰富和有吸引力的统计图形库。这个库是基于matplotlib的。Seaborn提供多种功能，如内置主题、调色板、函数和工具，来实现单因素、双因素、线性回归、数据矩阵、统计时间序列等的可视化，以让我们来进一步构建复杂的可视化。
我能做哪些不同的可视化？
刚出版不久的《A comprehensive guide on Data Visualization》中，介绍了最常用的可视化技术。在进一步深入学习前，如果你尚未阅读此书，我们建议你参考此书。
以下是Python代码与其输出结果。我就是用下面的数据集来创建这些可视化的。
导入数据集
1.直方图
2.箱线图
3.小提琴图
4.条形图
5.折线图
6.堆积柱形图
7.散点图
8.气泡图
9.饼图
10.热图
你可以尝试绘制基于两个变量的热图，如X轴为性别，Y轴为BMI，数据点为销售值。
结语
现在，你肯定已经意识到了数据可视化的美妙，为什么不自己动手试试呢？在以后的文章中，我们还将探讨用Python实现地图可视化和词云。
大数据文摘也曾经发布过用R进行数据可视化的文章，《用R语言进行数据可视化的综合指南（一）》和《用R语言进行数据可视化的综合指南（二）》。大家可以参考一下，做个对比。
