本文将对比 Matplotlib，Seaborn，Plotly，Altair，PyEcharts 几款优秀工具。

我们通常会把「图」和「表」连在一起，读作「图表」。那表格是可视化吗？如果是，数据是怎样被可视化的？如果不是，可以代替可视化吗？

像面积图和饼图一样，堆叠条/柱形图（Stacked Column Charts）也很适合用来展示部分和整体的关系。

面积图（Area Charts）天然适合描述总体与各成分的数值是如何随时间推移变化的。但是在大多情况下，这种图并不容易阅读。

这篇文章将讨论面积图的使用场景、限制以及如何改进。

线形图（Line Charts）是图表世界的经典，它很好地展示了数据是如何随时间推移而发展变化的。

生活是一幅大画布，应该让它充满色彩。 —— 丹尼·凯

有人会说，可视化就是用图形来表示数字。这句话说得没有错。不过总有时候，光用图形（点、线、面）是不够的，还需要用上颜色。颜色除了让单调、乏味的图案更加富有魅力以外，还可以让数据更加突出，让关系复杂但又相似的数据足够区分开来。另外，颜色还代表着我们的观点。

这篇文章将向大家描述我对颜色的一些了解，以及选择颜色时需要考虑的问题。

这篇文章将介绍几种经典的可视化图表案例。

在前面的文章当中，我们认识了许多重要的统计量，比如描述数据集中和分散程度的均值和差值。数据作为随机变量出现，有与之对应的概率分布，统计量也不例外。因为统计量产生于样本，而样本可看作随机变量，故统计量其实也是随机变量，也有相应的分布。统计量的概率分布称为抽样分布（Sampling Distribution）。

差值的本意是两数相减后剩余的数值。略有不同地，这里的差值定义为「度量差异的值」。

「描述」一词，颇有拟人的味道。然而数字本身不会说话，它的运算是人为约定，意义也由人赋予。「醉翁之意不在酒」，数字实际上反映了人脑的博弈和智慧。