可视化不是出图，而是组织观察

原则释读

Matplotlib 的重点不只是 `plot`，而是把数据、坐标轴、图例、文本和视觉层次组织成一个可解释图面。

为什么重要

数据分析里，图像既是沟通工具，也是发现异常、趋势和结构的侦察工具。

怎么用到自己的知识系统

每次作图前先问：我要比较什么、强调什么、隐藏什么、读者需要怎样的坐标语言？

图版证据

关联图版帮助你把概念和具体界面、图形、表结构或代码结果绑定起来，便于后续复现。

第7章Python数据可视化：Matplotlib模块｜7.1 Matplotlib模块简介7.1 Matplotlib模块简介第7章Python数据可视化：Matplotlib模块｜7.1 Matplotlib模块简介7.1 Matplotlib模块简介第7章Python数据可视化：Matplotlib模块｜7.2 基于函数的可视化操作7.2 基于函数的可视化操作第7章Python数据可视化：Matplotlib模块｜7.2 基于函数的可视化操作7.2 基于函数的可视化操作第7章Python数据可视化：Matplotlib模块｜7.3 基于对象的可视化操作7.3 基于对象的可视化操作第7章Python数据可视化：Matplotlib模块｜7.3 基于对象的可视化操作7.3 基于对象的可视化操作第7章Python数据可视化：Matplotlib模块｜7.4 图像中的文本处理7.4 图像中的文本处理第7章Python数据可视化：Matplotlib模块｜7.4 图像中的文本处理7.4 图像中的文本处理第7章Python数据可视化：Matplotlib模块｜7.6 本章学习笔记7.6 本章学习笔记

行动规则

• 先定义观察问题，再选择图形。
• 函数式绘图适合快实验，对象式绘图适合稳控制。
• 坐标轴、刻度、图例和注释都属于分析的一部分。

常见误区

• 为作图而作图。
• 图像元素太多反而遮住重点。
• 只追求默认样式，不管理阅读路径。

相关章节

相关图版