> 人生苦短，我用 Python 前文傳送門： [小白學 Python 資料分析（1）：資料分析基礎](https://www.geekdigging.com/2020/01/19/6719980708/) [小白學 Python 資料分析（2）：Pandas （一）概述](https://www.geekdigging.com/2020/01/20/6718497214/) [小白學 Python 資料分析（3）：Pandas （二）資料結構 Series](https://www.geekdigging.com/2020/02/04/3234667780/) [小白學 Python 資料分析（4）：Pandas （三）資料結構 DataFrame](https://www.geekdigging.com/2020/02/05/9920298470/) [小白學 Python 資料分析（5）：Pandas （四）基礎操作（1）檢視資料](https://www.geekdigging.com/2020/02/16/6852411690/) [小白學 Python 資料分析（6）：Pandas （五）基礎操作（2）資料選擇](https://www.geekdigging.com/2020/02/20/6566891797/) [小白學 Python 資料分析（7）：Pandas （六）資料匯入](https://www.geekdigging.com/2020/02/23/7355903936/) [小白學 Python 資料分析（8）：Pandas （七）資料預處理](https://www.geekdigging.com/2020/02/25/9013297409/) [小白學 Python 資料分析（9）：Pandas （八）資料預處理（2）](https://www.geekdigging.com/2020/02/27/2857868620/) [小白學 Python 資料分析（10）：Pandas （九）資料運算](https://www.geekdigging.com/2020/02/29/5808964196/) [小白學 Python 資料分析（11）：Pandas （十）資料分組](https://www.geekdigging.com/2020/03/03/5975552137/) [小白學 Python 資料分析（12）：Pandas （十一）資料透視表（pivot_table）](https://www.geekdigging.com/2020/03/04/8327177610/) [小白學 Python 資料分析（13）：Pandas （十二）資料表拼接](https://www.geekdigging.com/2020/03/06/5036602239/) [小白學 Python 資料分析（14）：Pandas （十三）資料匯出](https://www.geekdigging.com/2020/03/07/6918490736/) ## 引言 從本篇開始，整個系列進入到第二部分，資料視覺化。 那麼，什麼是資料視覺化？ 可以看下下面這個動圖，動圖來源阿里雲官網（ https://data.aliyun.com/visual/datav ）。  可以看到，這個動圖非常的炫，那我們是不是學了資料視覺化以後就能做出來這種效果。 emmmmmmmmmmmm。。。。。。。。 這個難度有點高，打怪升級也沒有直接出門打 BOSS 的打法撒。  ## 工欲善其事必先利其器 我們先看下現在使用的主流資料視覺化的工具（類庫）有什麼。 ### Matplotlib 第一個當然是我們在前面開篇中介紹過的 Matplotlib ， Python 資料分析經典三件套之一。 首先還是幾個官方網址羅列一下，防止有的同學找不到： GitHub：https://github.com/matplotlib/matplotlib 官網：https://www.matplotlib.org/ 中文網：https://www.matplotlib.org.cn/ Matplotlib 的安裝過程還是十分簡單的： ```python pip install matplotlib ``` 等待進度條走完，我們就算安裝完成了。 在學習怎麼使用 matplotlib 之前，我們可以先看下 matplotlib 的一些示例：   錯了錯了，這麼複雜的圖我怎麼可能畫的出來。。。  下面這種才是我們的目標：    ### pyecharts 在除了可以使用 Matplotlib 作為資料視覺化的工具之餘，我們還可以選擇 pyecharts 作為資料視覺化工具。 先做一個簡單的簡介，以下內容來自官方文件： > Echarts 是一個由百度開源的資料視覺化，憑藉著良好的互動性，精巧的圖表設計，得到了眾多開發者的認可。而 Python 是一門富有表達力的語言，很適合用於資料處理。當資料分析遇上資料視覺化時，pyecharts 誕生了。 相信很多同學對 Echarts 並不陌生，在做頁面圖表的時候，能選擇的第三方支援庫並不多，而 Echarts 是其中做的相當不錯的一個類庫，畢竟背後是由百度開源的。 放幾個官方的連結： GitHub：https://github.com/pyecharts/pyecharts 官方文件：https://pyecharts.org/#/ 接下來還是看如何安裝： ```python pip install pyecharts ``` 和前面安裝 Matplotlib 一樣，靜靜的等待進度條走完就行。 這裡有關版本有一點需要注意，不管是使用 Matplotlib 還是使用 pyecharts ，都需要 Python 的版本是 3.x ，在官方文件中都已經註明 2.x 不再進行維護。 至於小編為什麼要介紹 pyecharts 呢？給大家看幾個官方的示例：      是不是感覺單純的從 UI 設計的角度上來講， pyecharts 要比 Matplotlib 要好看的多，感覺 Matplotlib 像是上個世紀的產物。 在接下來的內容中，小編會先分享 Matplotlib 的使用，之後會專門寫幾篇介紹下 pyecharts 的使用。  ## 資料視覺化的基本流程 第一步：整理資料 資料還是資料視覺化的基礎，在所有的事情開始之前，需要先明確需要把哪些資料圖表化。 第二步：明確目的 在上一步中，我們拿到了需要圖表化的資料，接著就需要想清楚，我們展示這些資料到底是為了什麼，是要表達一種趨勢，還是要展現對比等等。 第三步：選擇圖表形式 在明確了我們的目的之後，就需要選擇展現這些資料的形式了，我們需要為這些資料選擇合適的展現形式，這就需要分情況討論了。 例如我們想要展現一種趨勢，那麼折線圖就要比柱狀圖更為合適，如果是需要展現對比，那麼柱狀圖就要比折線圖合適，還有是展現百分比，那麼我們選擇餅狀圖就會更為合適。 本篇的內容就到這裡了，下一篇，我們接著介紹 Matplotlib 的使用姿勢。 ![](https://cdn.geekdigging.com/data_analysis/data_visualization/zaij