散点图：用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。概括如下：
1、不同条件（维度）之间的内在关联关系
2、观察数据的离散聚合程度
##使用plt.scatter来绘制散点图 plt.scatter(x_3,y_3,color='red',label='三月份') plt.scatter(x_10,y_10,color='green',label='十月份')
条形图：排列在工作表的行或者列中数据可以绘制条形图
特点：
1、能够一眼看出数据的大小，比较各数据之间的差别。
2、频率统计（市场饱和度）
# plt.bar(range(len(a)),b,width=0.3,color='red')#纵向条形图，线条粗细用width控制 plt.barh(range(len(a)),b,height=0.3,color='orange')#横向条形图，线条高低用height控制
直方图：由一系列高度不等的纵向条纹或者线段表示数据的分布情况。一般用横轴表示数据范围，纵轴表示分布情况。
特点：绘制连续性的数据，展示一组或者多组数据的分布情况。
思考：把数据分成多少组进行统计？
组数要适当，较少会有较大的统计误差，太多会导致规律不明显，当数据在100个以内时候，按数据多少分5到12组。组距为每个小组两个端点的距离，组数为极差/组距。
d = 5#组距 num_bins = (max(a)-min(a)) // d#组数 print(num_bins) plt.hist(a,num_bins) plt.xticks(range(min(a),max(a)+d,d)) plt.grid() plt.show()
此外还有一个宝藏工具plotly！兼容matplotlib与pandas
pip install plotly_express
懂的都懂~
