数据可视化实践

这一节包含的知识点

比「节」更细的一层：具体到能对上一道题的步骤。

• 图表类型的选择比较各类数量大小用柱形图，观察随时间变化的趋势用折线图，表示各部分占比用饼图，考察两个变量的关系用散点图。
• 可视化库的使用用 matplotlib 等库绘图时先准备好数据，再设置图形类型、坐标轴标签与图例，最后显示或保存图像。
• 图表误导与表达规范截断纵轴、使用失真的三维效果或只挑选部分数据都会夸大差异，制图应保持坐标起点与比例真实并标明数据来源。
• 坐标轴的起点与刻度纵轴不从零开始或刻度不均匀，会放大视觉差异造成误导。
• 色彩与标签的规范颜色数量不宜过多，坐标轴标题与单位清楚，图才读得懂。

先修：学它之前要先会

• Python 编程基础

完整前置链：一路要先会

不只是直接先修 —— 把先修的先修也追到底，顺序就是该学的顺序（含跨学科）。

1. 1数据、信息与知识→
2. 2数据处理与可视化→
3. 3用 Python 做数据分析→
4. 4Python 编程基础

后继：学会它之后可以往哪走

坐标系里还没有概念把这条当先修。

学习「数据可视化实践」

这个知识点还没有内容（还没有教材或出版物接进来）。现在能做的：看清它在坐标系里的位置 —— 先修是什么、学完之后通向哪里，然后把「我了解了」记下来。

自述不等于掌握：它只是「我知道这一条讲什么」，不会计入学习单元完成数。学习记录存在这台设备上。

还没有任何内容覆盖这条概念。要让它长出来，需要导入并发布一份讲到它的材料 —— Publishing 会在正文里找候选（带原句作证据），由人确认后挂到这条上。

还没有任何学习目标、测评或任务标注到这条知识点上。学习链只列**真的标注过**的条目 —— 没有就是没有，不按模板补一个出来。