Python 可视化视频课 - 2. Matplotlib 下

这是 Python 数据可视化系列的第二节《Matplotlib 下》。

1. Matplotlib 上

之前 Python 数据分析和基础系列的所有课程链接如下。

1. NumPy 上

2. NumPy 下

3. Pandas 上

4. Pandas 下

5. SciPy 上

6. SciPy 下

7. Pandas 时间序列

8. Pandas 高频数据采样

9. 默顿模型计量经济资本

10. LSMC 定价美式和百慕大期权

11. 负油价和负利率模型

12. Nelson-Siegel 构建债券收益率曲线

13. 外汇交易组合保证金制定系统

14. FR007 利率掉期定价和曲线拔靴

15. 量化投资 - 向量化回测
    

1. 编程概览

2. 元素型数据

3. 容器型数据

4. 流程控制：条件-循环-异常处理

5. 函数上：低阶函数

6. 函数下：高阶函数

7. 类和对象：封装-继承-多态-组合

8. 字符串专场：格式化和正则化

9. 解析表达式：简约也简单

10. 生成器和迭代器：简约不简单

11. 装饰器：高端不简单

上节深度探索 Matplotlib，这节广度探索 Matplotlib，本节从功能角度出发来广度探索的四种绘图方法，包括如何绘制

• 合适图 - 通过数据关系画出最合适的图

• 有效图 - 为读者着想画出更能有效表达信息的图
  

• 动态图 - 增强视觉效果画出动态的图

• 立体图 - 真实呈现三维数据的图

在做图表设计时候经常面临着怎么选用合适的图表，图表展示的数据关系主要分五大类：分布 (distribution)、联系 (relationship)、趋势 (trend)、比较 (comparison) 和构成 (composition)。

有效图从为用户习惯考虑，为信息展示考虑，为色盲用户考虑。

看下面视频效果，再学代码如何实现。

看下面图片效果，再学代码如何实现。

想学就开始吧！

绝不会让你失望！

付费用户（付 1 赠 1）可以获得：

• 观看课程视频 (97 分钟)

• Python 代码 (Jupyter Notebook)