数据可视化指的是通过可视化表示探索数据，它与数据挖掘紧密相关，而数据挖掘指的是用代码来探索数据集的规律和关联。
数据集可以是用一小行代码表示的小型数字列表，也可以是达到几百吉字节的数据。

1>利用matplotlib绘制各种图表。文档
示例一：
1、通过plot（）函数绘制立方函数图的5个立方数的折线图：
2、plt.title（）设置表的标题以及size设置对应的字体大小
3、plt.xlabel和plt.ylabel设置x轴和y轴的标识以及字体的大小
4、plt.tick_params()里面的参数设置两个坐标轴的刻度的大小
5、！！！plt.show()把图标展示出来,如果想存储图片一定要在show前调用plt.savefig(“chart.jpg”)

效果图：

图片.png

import matplotlib.pyplot as plt

#draw the chart of  five cubic number
x_values=list(range(1,6))
y_values=[x**3 for x in x_values]
plt.plot(x_values,y_values,linewidth=5,c=(0,0,1))

plt.title("Cubic number",size=24)
plt.xlabel("Value",size=14)
plt.ylabel("Result",size=14)

plt.tick_params(axis="both",labelsize=14)

#to save the chart as jpg
plt.savefig("cubic chart",bbox_inches='tight')
plt.show()

示例二：
绘制一个含5000个点的立方彩图：
2>利用plt.scatter()绘制一系列点
1、Scatter()里面的cmap是一个颜色颜色映射，并且通过c=y_value指定了颜色的深浅随着y值越大，
蓝色表现得越深。
效果图：

图片.png

import matplotlib.pyplot as plt

#draw the chart of  five cubic number
x_values=list(range(1,50001))
y_values=[x**3 for x in x_values]
plt.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,edgecolor='none',s=40)

plt.title("Cubic number",size=24)
plt.xlabel("Value",size=14)
plt.ylabel("Result",size=14)

plt.tick_params(axis="both",labelsize=14)

#to save the chart as jpg
plt.savefig("cubic chart",bbox_inches='tight')
plt.show()

示例三：（综合)

效果图

画出来的图描述分子运动，先写一个RandomWalk类，分子的移动距离通过函数get_step获得，分子的移动则通过函数fill_walk()实现，就是把原位置加上step后的新位置存储在列表里。最后通过列表的点把画出来实现。

import matplotlib.pyplot as plt
import random
 
class Randomwalk(object):
    def __init__(self,num_points=5000):
        self.num_points=num_points

        #all data are sart at (0,0)
        self.x_values=[0]
        self.y_values=[0]

    def get_step(self):
        direction=random.choice([-2,-1,0,1,2])
        distance=random.choice([0,1,2,3,4,5,6,7,8,9])
        step=direction*distance
        #print step
        return step

    def fill_walk(self,x_step,y_step):
        #decide to move the distance and the direction of the movement
        #refuse the step=0
        #computing the next point of the distance and direction
        next_x=self.x_values[-1]+x_step
        next_y=self.y_values[-1]+y_step

        self.x_values.append(next_x)
        self.y_values.append(next_y)
  #instablished a Randomwalk object,and draw all the points it included
while True:
    rw=Randomwalk(80000)
    while len(rw.x_values)<rw.num_points:
        x_step=rw.get_step()
        y_step=rw.get_step()
        rw.fill_walk(x_step, y_step)
    point_numbers=list(range(rw.num_points))
      #改变屏幕的尺寸
    plt.figure(figsize=(10,6))

    #把坐标为(0，0)的点的颜色设置为绿色，边缘颜色设置为none。size（大小)设置为100
    plt.scatter(0,0,c='green',edgecolor='none',s=100)
    plt.scatter(rw.x_values[-1],rw.y_values[-1],c='red',edgecolor='none',s=100)
    #把折线的粗细设置为2，颜色设置为红色
    plt.plot(rw.x_values,rw.y_values，linewidth=2,c='red')
#把坐标轴隐藏
    plt.axes().get_xaxis().set_visible(False)
    plt.axes().get_yaxis().set_visible(False)
    plt.show()
    answer=raw_input()
    if answer=='n':
        break```