第三章：表示时间数据的可视化图表有哪些柱形图、折线图的定义区别等pyecharts绘制图标的对象名matplotlib绘制图表的函数名折线图、柱形图的代码编写第四章：表示比例数据的可视化的图表有哪些pyecharts绘制图标的对象名matplotlib绘制图表的函数名第五章：表示关系数据的可视化图表有哪些直方图的定义直方图和柱形图有什么不同散点图、气泡图的定义以及如何表示数据的关系性不同点、相同点

第三章： 表示时间数据的可视化图表有：折线图、柱形图、面积图等。 折线图：用于表示随时间变化的趋势，展示数据的变化规律。 柱形图：用于比较不同时间点的数据大小，也可以用于展示时间区间内的总量变化。 pyecharts绘制图表的对象名为：Line、Bar、Area等。 matplotlib绘制图表的函数名为：plot、bar、stackplot等。 折线图的定义：通过连接数据点来显示数据的趋势变化，通常用于表示时间序列数据。 柱形图的定义：通过不同长度的柱子来表示数据的大小，通常用于比较不同类别的数据大小。 折线图的代码： import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [10, 8, 6, 4, 2] plt.plot(x, y) plt.show() 柱形图的代码： import matplotlib.pyplot as plt x = ['A', 'B', 'C', 'D', 'E'] y = [10, 8, 6, 4, 2] plt.bar(x, y) plt.show()

第四章： 表示比例数据的可视化图表有：饼图、堆积图、玫瑰图等。 pyecharts绘制图表的对象名为：Pie、StackedBar、Radar等。 matplotlib绘制图表的函数名为：pie、stackplot等。

第五章： 表示关系数据的可视化图表有：散点图、气泡图、散点矩阵等。 直方图的定义：用于表示数据的分布情况，将数据按照一定区间分组，然后统计每组数据的数量，绘制成柱形图。 直方图和柱形图的不同：直方图的柱形之间没有间隔，柱形的宽度和区间的长度有关，而柱形图的柱子之间有间隔，每个柱子的宽度相等。 散点图的定义：用于表示两个变量之间的关系，其中一个变量作为横坐标，另一个变量作为纵坐标，每个点代表一组数据。 气泡图的定义：类似于散点图，但是可以用点的大小表示第三个变量的值，通常用于表示三维数据。 散点矩阵的代码： import pandas as pd import matplotlib.pyplot as plt from pandas.plotting import scatter_matrix data = pd.read_csv('data.csv') scatter_matrix(data, alpha=0.2, figsize=(6, 6), diagonal='hist') plt.show()

第六章： 表示文本数据的可视化图表有：标签云、词云等。 标签云的绘制代码： from wordcloud import WordCloud import matplotlib.pyplot as plt text = 'Python is a popular programming language' wc = WordCloud().generate(text) plt.imshow(wc, interpolation='bilinear') plt.axis('off') plt.show() jieba的分词方法：使用jieba库中的cut函数，将文本分割成单词。 使用方法如下： import jieba seg_list = jieba.cut("我来到北京清华大学", cut_all=True) print("Full Mode: " + "/ ".join(seg_list)) # 全模式

第七章： 雷达图的绘制代码： import numpy as np import matplotlib.pyplot as plt labels = ['A', 'B', 'C', 'D', 'E'] data = [10, 8, 6, 4, 2] angles = np.linspace(0, 2*np.pi, len(labels), endpoint=False) data = np.concatenate((data, [data[0]])) angles = np.concatenate((angles, [angles[0]])) fig = plt.figure() ax = fig.add_subplot(111, polar=True) ax.plot(angles, data, 'o-', linewidth=2) ax.fill(angles, data, alpha=0.25) ax.set_thetagrids(angles * 180/np.pi, labels) ax.set_title('Radar Chart') ax.grid(True) plt.show() 鸢尾花数据的读取： import pandas as pd data = pd.read_csv('iris.csv')

第八章： 可视化交互的原则：易用性、可理解性、可扩展性、可靠性、可定制性。 可视化交互的流程：数据准备、可视化设计、代码编写、可视化交互