Day 104 — 数据可视化 | 完成清单

✅ 学习完成清单

• [ ] 理解 Matplotlib Figure/Axes 双层对象模型
• [ ] 掌握折线图、柱状图、散点图的绑制方法
• [ ] 掌握饼图、直方图、箱线图的绑制方法
• [ ] 了解 Seaborn 的核心优势与使用场景
• [ ] 学会使用 boxplot/violin/heatmap/pairplot
• [ ] 理解多子图布局技巧
• [ ] 完成完整 EDA 报告实战

📝 练习题

基础题

1. 绘制温度折线图

使用下面的数据，绘制过去 7 天的温度变化折线图，包含趋势线和数据标注：

days = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
temps = [22, 24, 19, 26, 28, 25, 23]

要求： - 标题："Weekly Temperature" - 标注每天的最高/最低温度 - 添加网格线 - 保存为 temperature.png

2. 绘制柱状图 + 数值标注

使用以下数据绘制编程语言使用率柱状图：

languages = ['Python', 'JavaScript', 'Java', 'C++', 'TypeScript']
usage = [48.2, 35.4, 30.5, 22.1, 18.8]

要求： - 每个柱子上方标注百分比 - 使用不同颜色 - 添加 Y 轴标签 "Percentage (%)" - 保存为 language_usage.png

3. 散点图相关性分析

生成 100 个随机点，模拟"广告支出 vs 销售额"的关系：

np.random.seed(42)
ad_spend = np.random.uniform(10, 100, 100)
sales = ad_spend * 2.5 + np.random.normal(0, 15, 100)

要求： - 绘制散点图 - 添加趋势线（线性回归） - 计算并显示相关系数 - 保存为 ad_sales.png

进阶题

4. Seaborn 多图对比

使用 tips 数据集，创建 2x2 的子图网格： - 左上：total_bill 的直方图 - 右上：day 与 total_bill 的 boxplot - 左下：total_bill vs tip 的散点图（按 smoker 着色） - 右下：数值特征的 heatmap

要求： - 使用 plt.subplots(2, 2) - 每个子图都有标题 - 整体使用 plt.suptitle() - 保存为 tips_analysis.png

5. EDA 报告增强

基于 Day 104 的 03-eda-report.py，增加以下分析： - 添加 family_size 与 survived 的交叉表分析 - 用 Seaborn catplot 创建性别 × 船舱等级的生存率 faceted 图 - 对缺失值处理前后做对比分析（填充中位数 vs 填充众数） - 输出完整分析报告到文本文件 titanic_report.txt

🎯 自测标准