Python 数据可视化 · 课堂欢迎页
从 Matplotlib 的第一条折线，到 pyecharts 的可交互图表。 沿着课本的九章脉络，练习把数字翻译成直觉，把图表变成故事。
从环境搭建到 Web 整合，九章完整脉络。
气温、GDP、账单、画像，用真实数据练习。
Matplotlib、Seaborn、pyecharts 三种表达。
把九章能力，收束成一个可以访问的故事。
以《Python 数据可视化（第 2 版）》目录为骨架，把每一章的关键节、代表案例与能力关键词，收进一张可以点开的地图。
点击章节切换 · 支持方向键从“什么是数据可视化”出发，完成 Anaconda 与 Jupyter Notebook 的环境准备，认识 Matplotlib 的 Figure、Axes 与绘图流程，画出第一张图。
课程不是九个孤立的章节。先学会看图，再学会表达；先组织画面，再走向交互。每一步，都在为下一步准备工具。
认识可视化的语言，跑通 Anaconda 与 Jupyter，用 plot、bar、hist 等十类图表建立“数据—图形”的对应关系。
CH.01 — 02用标题、图例、注释、参考线、颜色与字体，把图表从“能看”推进到“一眼看懂”，让重点自己站出来。
CH.03 — 04用子图、共享坐标轴、刻度与轴脊，把多个信息层级安排进同一张画布，让复杂内容仍然秩序清楚。
CH.05 — 06从三维、动画到 Seaborn、pyecharts，让图表可以被探索、被组合、被发布，最终走进浏览器。
CH.07 — 09好的图表不是把数据画出来，而是替读者完成一次理解。
课堂寄语
A NOTE FOR THE CLASS
Matplotlib 给你控制力，Seaborn 给你统计图的默认美感，pyecharts 把作品带进浏览器。试试卡片里的 Quick Demo：切换图形，再换一组数据。
可视化课程的底座。从 Figure 与 Axes 开始，理解每一根线、每一个刻度是如何被放上画布的。
plt.plot(x, y)
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [12, 28, 21, 46, 58]
plt.plot(x, y)
plt.show()建立在 Matplotlib 之上的统计绘图库。用更少代码获得分布、分类与关系图，把注意力留给数据本身。
sns.boxplot(...)
import seaborn as sns
sns.set_theme(style="whitegrid")
sns.boxplot(
data=df, x="class", y="score"
)
sns.despine()把 Python 图表变成 HTML 交互页面。配置项、组合图表、Web 框架整合，让作品真正上线，而不只停在笔记本里。
Bar().render()
from pyecharts.charts import Bar
x = ["A", "B", "C", "D", "E"]
y = [32, 48, 61, 44, 73]
bar = Bar()
bar.add_xaxis(x)
bar.add_yaxis("销量", y)
bar.render("chart.html")这是 Python 数据可视化课程的课堂欢迎页，也是一次把课本目录重新组织成浏览体验的练习。从九章结构到每一条章节脉络，都指向同一件事：让数据被看见。
从第 1 章开始