经过几个月的学习，总算是对Python这门语言有了一定的了解。据说Python语言使用流行度排名已经是第一了！
Python之所以这么流行得益于它适用于很多不同领域，目前使用最广泛的领域包括有数据分析挖掘，网络爬虫，机器学习与人工智能，Python Wab后端开发，运维开发等等。当然，精通一个方向比了解所有方向要重要得多。
初学者第一次接触到的Python可视化package基本上都是matplotlib,matplotlib是一个用于创建出版质量图表的桌面绘图包（主要是2D方面），但是具有静态和不美观的特点。Python有很多数据可视化的package，主要分为探索性分析方向的（Matplotlib，Seaborn）和交互性信息可视化（Bokeh，Plotly）,后者主要用于与业务结合过程中展现总体分析结果的。
1.用于分析的可视化
（1）Matplotlib：
据说这个package的得名是由于其作图分隔接近于MATLAB（作为一个应用数学专业的学生，对这个package倍感亲切！），主要应用于2D方向，可根据数据集（DataFrame，Series）自行定义x,y轴，绘制图形（线形图，柱状图，直方图，密度图，散布图等等），能够解决大部分的需要，但是图形具有静态和不美观的特点。
（2）Seaborn：（数学系学生的最爱！）
看一下官方介绍：
Seaborn is a Python data visualization library based on matplotlib. It provides a high-level interface for drawing attractive and informative statistical graphics.
Seaborn是一个机遇matplotlib的高级可视化效果库，主要针对数据挖掘和机器学习中的变量特征提取。
附上几张图看一下效果：
用二维图像展现三维变量的例子（显然walk是第三维的变量）
散点图矩阵
带有边缘分布的线性回归图（两个变量的）
2.交互性信息可视化：
（1）Bokeh：浏览器端交互可视化的库，实现分析师与数据的交互
Bokeh这个框架，只需要在后端编写及少量的 Python 代码生成对应的 html 与 js，再传送到前端让浏览器解析，大大的减少了工作量。
（2）Plotly：在进行业务解释时应用，功能十分强大，同时支持Python和R语言，并且实现了在线导入数据做可视化并保存内容在云端server的功能。
包含的图表：种类基本图表：20种；统计和海运方式图：12种；科学图表：21种；财务图表：2种；地图：8种；3D图表：19种；拟合工具：3种；流动图表：4种
作为一个数据分析师，将专业的分析结果向业务团队进行解释，以便进行接下来的业务决策是必要的，一个重要的工作场景就是为业务团队建立dashboard.
不说了，上图：
