下面是使用Matplotlib构建的不同类型图示的部分例子：
- 柱状图
%matplotlib inline import matplotlib.pyplot as plt from numpy.random import normal x = normal(size=100) plt.hist(x, bins=20) plt.show()
- 3D 图表
from matplotlib import cm from mpl_toolkits.mplot3d import Axes3D import matplotlib.pyplot as plt import numpy as np fig = plt.figure() ax = fig.gca(projection='3d') X = np.arange(-10, 10, 0.1) Y = np.arange(-10, 10, 0.1) X, Y = np.meshgrid(X, Y) R = np.sqrt(X**2 Y**2) Z = np.sin(R) surf = ax.plot_surface(X, Y, Z, rstride=1,cstride=1, cmap=cm.coolwarm) plt.show()
目前已经介绍了Pandas、NumPy和Matplotlib，那么请查看下面的教程，该教程结合了以上三个库进行讲解：
《使用NumPy、Matplotlib和Pandas在Python中进行数据探索的终极指南》传送门：
https://www.analyticsvidhya.com/blog/2015/04/comprehensive-guide-data-exploration-sas-using-python-numpy-scipy-matplotlib-pandas/
Seaborn
传送门：
https://seaborn.pydata.org/
Seaborn是另一个基于matplotlib的绘图库。它是一个为绘制有吸引力的图像而提供高级接口的python库。matplotlib能实现功能，Seaborn只是以另一种更吸引人的视觉方式来实现。
Seaborn 的一些特点：
- 作为一个面向数据集的API，可用于查验多个变量之间的关系
- 便于查看复杂数据集的整体结构
- 用于选择显示数据中模式的调色板的工具
下面一行代码可用于安装Seaborn：
pip install seaborn
浏览下面这些很酷的图表，看看seaborn能做些什么：
import seaborn as sns sns.set() tips =sns.load_dataset("tips") sns.relplot(x="total_bill",y="tip", col="time", hue="smoker",style="smoker", size="size", data=tips);
