数据可视化学习笔记

这是一个关于Python数据可视化的学习项目，包含了从基础到高级的完整教程内容。

📊 项目简介

本项目通过5个循序渐进的Jupyter Notebook教程，系统地介绍了Python中主流的数据可视化库，包括Matplotlib、Pandas和Seaborn的使用方法。

📁 文件结构

数据可视化/
├── day1.ipynb          # Matplotlib基础入门
├── day2.ipynb          # Matplotlib绘图种类详解
├── day3.ipynb          # Pandas数据可视化
├── day4.ipynb          # Seaborn高级可视化
├── day5.ipynb          # Seaborn热力图与高级图表

📚 教程内容

🎯 Day 1: Matplotlib基础入门

• Matplotlib安装与配置
• 基础绘图概念
• 图表样式设置
• 中文显示配置

📈 Day 2: Matplotlib绘图种类详解

• 散点图和气泡图: matplotlib.pyplot.scatter()方法详解
• 折线图: 时间序列数据可视化
• 柱状图: 分类数据展示
• 直方图: 数据分布分析
• 饼图: 占比数据可视化
• 面积图: 累积数据展示
• 箱线图: 统计分布分析
• 雷达图: 多维度数据对比

🐼 Day 3: Pandas数据可视化

• Pandas包介绍与安装
• Series和DataFrame: 核心数据结构
• Series.plot()和DataFrame.plot()方法详解
• 参数说明与使用技巧
• 常用图表类型实现

🎨 Day 4: Seaborn高级可视化

• Seaborn核心定位与价值
• 风格管理：sns.set_style()方法
• 五种预设绘图风格介绍
• Seaborn与Matplotlib的核心区别
• 高级图表类型与参数设置

🔥 Day 5: Seaborn热力图与高级图表

• seaborn.heatmap()函数详解
• 热力图参数说明
• 相关性矩阵可视化
• 高级图表定制技巧

🛠️ 技术栈

• Python: 主要编程语言
• Matplotlib: 基础绘图库
• Pandas: 数据处理与可视化
• Seaborn: 高级统计可视化
• NumPy: 数值计算支持

📖 学习目标

通过这5天的学习，您将能够：

1. 掌握Matplotlib的基础绘图技能
2. 理解不同类型图表的适用场景
3. 学会使用Pandas进行快速数据可视化
4. 运用Seaborn创建专业的统计图表
5. 根据数据特点选择合适的可视化方法
6. 定制图表样式和美化技巧

🚀 快速开始

1. 克隆仓库

   git clone https://github.com/[您的用户名]/数据可视化.git
   cd 数据可视化

2. 安装依赖

   pip install matplotlib pandas seaborn numpy jupyter

3. 启动Jupyter Notebook

   jupyter notebook

4. 运行教程 按顺序打开 day1.ipynb 到 day5.ipynb 进行学习

📊 示例图表类型

• 📍 散点图: 展示两个变量之间的关系
• 📈 折线图: 显示数据随时间的变化趋势
• 📊 柱状图: 比较不同类别的数据
• 🥧 饼图: 显示各部分占整体的比例
• 📦 箱线图: 展示数据的统计分布
• 🌡️ 热力图: 显示矩阵数据的密度分布

💡 特色功能

• 中文支持: 所有教程都包含中文显示配置
• 详细注释: 每个代码块都有详细的中文说明
• 实用示例: 使用真实数据集进行演示
• 循序渐进: 从基础到高级，适合不同水平的学习者

📋 环境要求

• Python 3.6+
• Jupyter Notebook
• 推荐的浏览器: Chrome, Firefox, Safari

🤝 贡献指南

欢迎提交Issue和Pull Request来改进这个项目！

📞 联系方式

如果您有任何问题或建议，欢迎通过以下方式联系：

• 提交Issue
• 发送邮件到：[2296246904@qq.com]

---

⭐ 如果这个项目对您有帮助，请给个Star支持一下！