第1节，第一个matplotlib作图示例

可视化的目的有两个：

1. 数据挖掘
2. 信息传递

图形相比于枯燥冰冷的数字，更能直观的体现数据的变化与趋势，更容易被记忆和理解，如果你希望向其他人说明数据背后所隐藏的信息，使用图表显然更为有效，下面是一家初创公司近几年的收入情况

[{'年份': 2016, '收入': 14.5}, 
{'年份': 2017, '收入': 15.6}, 
{'年份': 2018, '收入': 17.9}, 
{'年份': 2019, '收入': 23.4}, 
{'年份': 2020, '收入': 18.6}]

观察这份数据，你可以从中分析出什么样的信息呢，先不要急于说出答案，接下来，我会使用matplotlib库对这份数据进行可视化操作，以折线图的方式向你展示它，你通过观察折线图所分析出的信息和观察数据所分析出的信息是一样的，但哪一个会更快，你会有自己的答案。

代码如下：

import matplotlib
from matplotlib import pyplot as plt

matplotlib.rcParams['font.family'] = 'SimHei'

data = [{'年份': 2016, '收入': 14.5},
        {'年份': 2017, '收入': 15.6},
        {'年份': 2018, '收入': 17.9},
        {'年份': 2019, '收入': 23.4},
        {'年份': 2020, '收入': 18.6}
        ]

year = [str(item['年份']) for item in data]
income = [item['收入'] for item in data]

plt.plot(year, income, color='green', marker='o', linestyle='solid')
plt.title('收入情况')
plt.xlabel('年份')
plt.ylabel('万元')
plt.show()

制作出的折线图

通过折线图一眼便能看出来，在2020年之前，公司收入是逐年递增的，而到了2020年，却大幅度下滑，这一年，我们经历了新冠肺炎，这就是数据可视化所带来了的好处。

从下一篇开始，我将继续使用这份数据，讲解可视化过程中的各种细节。