人工智能编程基础-Matplotlib 补习课程表
人工智能编程基础：Matplotlib
一、课程概述
Matplotlib 是 Python 中最常用的 2D 绘图库，也可以绘制 3D 图形，是人工智能领域数据可视化的基础工具。本课程表旨在帮助有工作经验但大学期间未认真学习 Matplotlib 基础知识的学习者系统地补全这一基础，为后续学习人工智能技术打下坚实基础。
课程内容设计遵循 "环境配置→基础概念→基础绘图→高级绘图→人工智能应用" 的学习路径，强调从易到难、循序渐进，注重知识间的依赖关系和实际应用。通过本课程的学习，你将全面掌握 Matplotlib 的核心功能，并能够在人工智能开发场景中高效使用。
1.1 学习目标
通过本课程的学习，你将能够：
掌握 Matplotlib 的基础概念：理解 Figure、Axes、Axis 等核心概念及其关系
熟练进行基础绘图：能够创建折线图、散点图、柱状图等基本图表
掌握图表定制与美化：能够添加标签、标题、图例、注释等元素
应用高级绘图功能：掌握 3D 绘图、动画制作、交互式图表等高级技术
结合 AI 实际需求：使用 Matplotlib 进行数据可视化，辅助机器学习和深度学习项目
1.2 学习路径说明
本课程表按照从易到难、知识依赖关系设计，共分为七个学习模块，每个模块包含若干知识点。学习时应严格按照顺序进行，前一个模块是后一个模块的基础。每个知识点都包含学习要求、学习时长建议、学习资源、难点总结、课后练习作业和过关考试，确保全面掌握。
课程内容的安排遵循 "基础概念→编程实践→应用拓展→高级技术" 的学习路径，先掌握 Matplotlib 的基础概念和环境配置，再学习基础绘图方法，接着深入理解图表定制与美化，然后学习高级绘图功能，最后应用所学知识进行人工智能相关的数据可视化。
二、学习建议
2.1 学习方法建议
理论与实践结合：Matplotlib 是一款实践性很强的工具，学习时要注重理论与实践的结合，通过大量的实际操作巩固所学知识。
多阅读官方文档：Matplotlib 的官方文档是最好的学习资源之一，建议在学习过程中经常查阅官方文档，了解最新功能和最佳实践。
参与开源项目：参与开源项目可以让你接触到实际的软件开发过程，学习团队协作和项目管理经验。
解决实际问题：尝试使用 Matplotlib 解决实际问题，如数据处理、机器学习、深度学习等，提高应用能力。
持续学习和实践：Matplotlib 技术发展迅速，要保持持续学习的态度，关注最新的技术发展和应用。
2.2 学习工具推荐
开发工具：强烈建议一边学习理论，一边用编程工具练习！！！
Jupyter Notebook：交互式学习和实践 Matplotlib 的最佳工具
VSCode：强大的代码编辑和调试工具
PyCharm：专业的 Python 开发环境，适合大型项目
学习资源：
Matplotlib 官方文档：https://matplotlib.org/stable/
中国大学 MOOC：提供大量优质的 Python 和 Matplotlib 课程
Coursera 和 edX：提供国际知名大学的相关课程
GitHub：开源项目和代码资源库
辅助工具：
NumPy：Matplotlib 的基础库，提供高效的数组运算能力
Pandas：数据处理和分析工具，与 Matplotlib 互补
Scikit-learn：机器学习库，与 Matplotlib 集成使用
TensorFlow/PyTorch：深度学习框架，与 Matplotlib 集成使用
2.3 学习进度管理
制定学习计划：根据课程表的安排，制定详细的学习计划，合理分配每天的学习时间，确保按时完成学习目标。
阶段性目标：将整个学习过程分为若干阶段，每个阶段设定明确的学习目标，如完成一个模块的学习并通过相应的过关考试。
学习记录：记录每天的学习内容、遇到的问题和解决方法，便于复习和总结。
定期复习：定期复习已学内容，强化记忆，避免遗忘，特别是核心知识点和操作技能。
模拟考试：在每个模块学习结束后，进行模拟考试，检验学习效果，及时发现和解决问题。
三、鼓励
本课程表系统地梳理了 Matplotlib 基础编程的核心知识点，从基础概念到高级应用，从数据可视化到机器学习和深度学习中的应用，覆盖了 Matplotlib 的各个方面。通过按照本课程表的顺序学习，你将能够全面掌握 Matplotlib 的使用方法，提高数据可视化能力，为后续学习人工智能技术打下坚实基础。
Matplotlib 作为 Python 数据可视化的核心库，其功能丰富且强大，需要通过系统的学习和实践才能熟练掌握。希望本课程表能够帮助你克服学习困难，建立对 Matplotlib 的兴趣和信心，为未来的人工智能学习和研究打下坚实的基础。
记住，学习编程是一个循序渐进的过程，需要持续的努力和实践。希望你能够坚持学习，不断实践，最终达到熟练掌握 Matplotlib 的目标。祝你学习愉快，编程进步！
若过程中有任何疑问，可关注公众号（iLearnAI）进专家群交流，不要放弃！
四、课程表
详细的学习课程如下：
大类 | 序号 | 知识点 | 学习要求 | 学习时长建议 | 学习资源 | 难点总结 | 课后练习 | 过关考试 |
环境配置与基础概念 | 1 | Matplotlib 安装与环境配置 | 1.了解 Matplotlib 的发展历史和特点 2.掌握 Matplotlib 的安装方法 3.理解 Matplotlib 在数据可视化和人工智能中的重要性 4.能够验证 Matplotlib 的安装和版本信息 | 建议 2 小时（理论学习 1 小时，实践 1 小时） | 1.腾讯云开发者社区《Python 库 matplotlib 下载、安装、配置、用法、入门教程》 https://cloud.tencent.com/developer/article/2486981 2.蓝易云高防 CDN《python 中 matplotlib 的安装》 https://blog.51cto.com/u_16536418/14157683 3.腾讯云开发者社区《Python 库 Pandas 使用介绍》 https://cloud.tencent.cn/developer/article/2488180?policyId=1003 4.国家高等教育智慧教育平台《matplotlib 数据可视化实战》 https://higher.smartedu.cn/course/671ace0016d8a05eedca2586 | 1.不同操作系统下安装命令的差异 2.处理安装过程中可能出现的依赖问题 3.验证安装成功的方法 | 1.根据自己的操作系统下载并安装 Matplotlib 2.记录安装过程中的命令和选项 3.尝试启动 Python 并导入 Matplotlib，验证安装成功 4.输出 Matplotlib 的版本信息 | 1.笔试：Matplotlib 安装步骤和验证方法 2.实操：在指定环境下成功安装 Matplotlib 并验证版本 |
| 2 | Matplotlib 核心概念与架构 | 1.理解 Matplotlib 的分层架构（脚本层、Artist 层、后端层） 2.掌握核心概念：Figure、Axes、Axis、Artist 3.了解 Matplotlib 的两种绘图接口（pyplot 和面向对象接口） 4.能够区分不同接口的应用场景 | 建议 3 小时（理论学习 1.5 小时，实践 1.5 小时） | 1.腾讯云开发者社区《探索数据科学与机器学习中的视觉表达【Matplotlib 实战指南】》 https://cloud.tencent.com.cn/developer/article/2431758?frompage=seopage&policyId=20240001&traceId=01jtkmqkjfv6nnqba1b8h61dx9 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.中国大学 MOOC《Python 编程基础》Matplotlib 部分 https://www.icourse163.org/course/NUDT-1466045161?outVendor=zw_mooc_pclszykctj_ | 1.理解 Matplotlib 的分层架构及其职责 2.区分 Figure、Axes 和 Axis 的概念和关系 3.掌握两种绘图接口的区别和适用场景 4.理解 Artist 对象的作用和使用方法 | 1.使用 pyplot 接口创建一个简单的 Figure 对象 2.使用面向对象接口创建一个包含 Axes 的 Figure 对象 3.分别使用两种接口绘制一条简单的折线图 4.分析两种接口的优缺点及适用场景 | 1.笔试：Matplotlib 核心概念和架构的理解 2.应用题：根据给定场景选择合适的绘图接口并说明理由 |
基础绘图方法 | 3 | 简单折线图绘制 | 1.掌握使用 plot () 函数绘制折线图的方法 2.能够设置基本参数（颜色、线型、线宽等） 3.理解 x 轴和 y 轴数据的输入要求 4.能够添加标题、轴标签和图例 | 建议 4 小时（理论学习 2 小时，实践 2 小时） | 1.腾讯云开发者社区《Matplotlib 绘图从零入门到实践（含各类用法详解）》 https://developer.aliyun.com/article/1592257 2.抖音视频《matplotlib 配对型数据可视化》 https://www.iesdouyin.com/share/video/7477568650006793483/ 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.腾讯云开发者社区《Python 数据分析： Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》 https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70 | 1.处理不同长度的 x 轴和 y 轴数据 2.理解颜色、线型和标记的参数设置 3.正确添加图例的方法 4.处理中文显示问题 | 1.使用随机数据绘制一条简单的折线图 2.设置折线的颜色为红色，线型为虚线，线宽为 2 3.添加标题 "Simple Line Plot"，x 轴标签 "X-axis"，y 轴标签 "Y-axis" 4.添加图例说明数据来源 | 1.笔试：plot () 函数的参数和应用场景 2.应用题：根据给定数据绘制符合要求的折线图 |
| 4 | 散点图与柱状图绘制 | 1.掌握使用 scatter () 函数绘制散点图的方法 2.掌握使用 bar () 和 barh () 函数绘制柱状图的方法 3.能够设置散点的大小、颜色和透明度 4.能够设置柱状图的宽度、颜色和对齐方式 | 建议 5 小时（理论学习 2.5 小时，实践 2.5 小时） | 1.腾讯云开发者社区《Python 数据分析： Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》 https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.抖音视频《matplotlib 绘图流程和代码结构》 https://www.iesdouyin.com/share/video/7460344353345621282/ 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解散点图和柱状图的适用场景差异 2.处理散点大小和颜色的映射关系 3.设置柱状图的对齐方式和宽度参数 4.处理多组数据的柱状图绘制 | 1.使用随机数据绘制散点图，设置点大小为 50，颜色为蓝色，透明度为 0.5 2.绘制简单的垂直柱状图，设置柱宽为 0.5，颜色为绿色 3.绘制水平柱状图，设置柱宽为 0.3，颜色为红色 4.比较散点图和柱状图在数据可视化中的应用场景 | 1.笔试：scatter () 和 bar () 函数的参数和应用场景 2.应用题：根据给定数据选择合适的图表类型并绘制 |
| 5 | 直方图与饼图绘制 | 1.掌握使用 hist () 函数绘制直方图的方法 2.掌握使用 pie () 函数绘制饼图的方法 3.能够设置直方图的 bins 参数和颜色 4.能够设置饼图的标签、颜色和百分比显示 | 建议 5 小时（理论学习 2.5 小时，实践 2.5 小时） | 1.抖音视频《matplotlib 直方图》 https://www.iesdouyin.com/share/video/7480395030071479564/ 2.腾讯云开发者社区《Python 数据分析： Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》 https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70 3.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解直方图与柱状图的区别 2.设置合适的 bins 参数以正确显示数据分布 3.处理饼图的百分比显示格式 4.设置饼图的颜色和标签位置 | 1.使用随机数据绘制直方图，设置 bins 为 20，颜色为橙色 2.绘制简单的饼图，设置标签为 ['A', 'B', 'C', 'D']，颜色为 ['red', 'green', 'blue', 'yellow'] 3.在饼图中显示百分比，格式为保留一位小数 4.比较直方图和饼图在数据分布展示中的优缺点 | 1.笔试：hist () 和 pie () 函数的参数和应用场景 2.应用题：根据给定数据选择合适的图表类型并绘制 |
图表定制与美化 | 6 | 颜色与线型设置 | 1.掌握颜色设置的多种方法（颜色名称、十六进制、RGB 元组） 2.掌握线型设置的参数（linestyle、linewidth） 3.理解颜色映射表（colormap）的使用方法 4.能够自定义线条的颜色、线型和宽度 | 建议 5 小时（理论学习 2.5 小时，实践 2.5 小时） | 1.腾讯云开发者社区《Matplotlib 绘图从零入门到实践（含各类用法详解）》 https://developer.aliyun.com/article/1592257 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解不同颜色设置方法的优缺点 2.掌握 linestyle 参数的各种取值 3.正确应用颜色映射表进行数据可视化 4.协调颜色和线型的搭配以提高图表可读性 | 1.使用不同颜色设置方法绘制三条不同颜色的折线 2.设置折线的线型为虚线，线宽为 3 3.使用颜色映射表绘制热图，展示数据的分布情况 4.比较不同颜色设置方法在实际应用中的优缺点 | 1.笔试：颜色和线型设置的参数和方法 2.应用题：根据给定数据和需求设置合适的颜色和线型 |
| 7 | 轴标签、刻度与图例设置 | 1.掌握设置轴标签的方法（xlabel、ylabel） 2.掌握设置轴刻度的方法（xticks、yticks） 3.能够设置轴的范围（xlim、ylim） 4.掌握添加图例的方法（legend） | 建议 6 小时（理论学习 3 小时，实践 3 小时） | 1.腾讯云开发者社区《Matplotlib 绘图从零入门到实践（含各类用法详解）》 https://developer.aliyun.com/article/1592257 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解轴标签和刻度的区别 2.设置合适的轴刻度范围和标签 3.处理轴刻度标签的旋转和格式 4.设置图例的位置和样式 | 1.为已绘制的图表添加标题、x 轴标签和 y 轴标签 2.设置 x 轴刻度范围为 0 到 10，y 轴刻度范围为 - 5 到 5 3.设置 x 轴刻度标签为 ['A', 'B', 'C', 'D', 'E']，并旋转 45 度 4.添加图例，设置位置为右上角，字体大小为 10 | 1.笔试：轴标签、刻度和图例设置的方法 2.应用题：根据给定图表添加合适的标签、刻度和图例 |
| 8 | 参考线、网格与注释设置 | 1.掌握添加参考线的方法（axhline、axvline） 2.掌握添加网格的方法（grid） 3.掌握添加注释的方法（annotate、text） 4.能够自定义参考线、网格和注释的样式 | 建议 6 小时（理论学习 3 小时，实践 3 小时） | 1.腾讯云开发者社区《Matplotlib 绘图从零入门到实践（含各类用法详解）》 https://developer.aliyun.com/article/1592257 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解参考线的位置参数设置 2.掌握网格线的样式和颜色设置 3.处理注释的位置和箭头样式 4.协调参考线、网格和注释的显示效果 | 1.在图表中添加水平参考线和垂直参考线，设置颜色为红色，线型为虚线 2.添加网格线，设置颜色为灰色，线型为虚线，透明度为 0.5 3.使用 annotate 方法添加带箭头的注释，指向图表中的特定数据点 4.使用 text 方法添加无指向型注释，设置位置和字体样式 | 1.笔试：参考线、网格和注释设置的方法 2.应用题：根据给定图表添加合适的参考线、网格和注释 |
高级绘图功能 | 9 | 多子图布局与 3D 绘图 | 1.掌握使用 subplot () 和 subplots () 创建多子图的方法 2.掌握使用 GridSpec 创建复杂子图布局的方法 3.了解 3D 绘图的基本方法（Axes3D） 4.能够创建简单的 3D 散点图和折线图 | 建议 8 小时（理论学习 4 小时，实践 4 小时） | 1.腾讯云开发者社区《Matplotlib 绘图从零入门到实践（含各类用法详解）》 https://developer.aliyun.com/article/1592257 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解 subplot () 和 subplots () 的参数设置 2.掌握 GridSpec 的使用方法创建复杂布局 3.理解 3D 坐标系的设置和视角调整 4.处理 3D 绘图中的数据输入格式 | 1.使用 subplot () 创建 2x2 的子图布局，在每个子图中绘制不同的图表 2.使用 subplots () 创建包含 3 个子图的布局，共享 x 轴 3.使用 GridSpec 创建非均匀的子图布局，如左侧大右侧小 4.创建简单的 3D 散点图，设置不同的颜色和大小表示不同的数据维度 | 1.笔试：多子图布局和 3D 绘图的方法 2.应用题：根据给定需求创建合适的子图布局或 3D 图表 |
| 10 | 热图与箱线图绘制 | 1.掌握使用 imshow () 函数绘制热图的方法 2.掌握使用 boxplot () 函数绘制箱线图的方法 3.能够设置热图的颜色映射表和颜色条 4.能够设置箱线图的样式和异常值显示 | 建议 8 小时（理论学习 4 小时，实践 4 小时） | 1.腾讯云开发者社区《Matplotlib 绘图从零入门到实践（含各类用法详解）》 https://developer.aliyun.com/article/1592257 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解热图的数据输入格式和颜色映射 2.设置热图的颜色条和刻度标签 3.理解箱线图的统计意义和参数设置 4.处理箱线图的异常值显示和箱体样式 | 1.使用随机数据矩阵绘制热图，设置颜色映射表为 'viridis'，并添加颜色条 2.绘制简单的箱线图，设置箱体颜色为蓝色，异常值颜色为红色 3.比较热图和箱线图在数据可视化中的应用场景 4.使用箱线图分析数据的分布特征和异常值 | 1.笔试：imshow () 和 boxplot () 函数的参数和应用场景 2.应用题：根据给定数据选择合适的图表类型并绘制 |
| 11 | 动态图表与交互式图表 | 1.了解使用 FuncAnimation 创建动态图表的方法 2.掌握在 Jupyter Notebook 中实现交互式图表的方法 3.能够创建简单的动态折线图和柱状图 4.了解交互式组件（如滑块、按钮）的使用方法 | 建议 9 小时（理论学习 4.5 小时，实践 4.5 小时） | 1.腾讯云开发者社区《Matplotlib 绘图从零入门到实践（含各类用法详解）》 https://developer.aliyun.com/article/1592257 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.抖音视频《用 Python 让数据自己‘涨’起来！ 手把手教你用 Matplotlib 实现数据动态增长效果！》 https://www.iesdouyin.com/share/video/7519121669848403234/ | 1.理解动态图表的更新机制 2.处理动态图表中的数据更新和重绘 3.掌握交互式组件的事件绑定方法 4.优化动态图表的性能和流畅度 | 1.创建简单的动态折线图，显示数据随时间的变化 2.创建动态柱状图，实现数据的动态增长效果 3.在 Jupyter Notebook 中使用交互式组件（如滑块）控制图表参数 4.比较动态图表和静态图表在数据可视化中的优缺点 | 1.笔试：动态图表和交互式图表的创建方法 2.应用题：根据给定需求创建合适的动态或交互式图表 |
Matplotlib 与数据科学库集成 | 12 | 与 NumPy 集成使用 | 1.理解 Matplotlib 与 NumPy 的集成关系 2.掌握使用 NumPy 数组作为 Matplotlib 输入数据的方法 3.能够应用 NumPy 的数学函数处理数据后进行可视化 4.了解 NumPy 的广播机制在 Matplotlib 中的应用 | 建议 7 小时（理论学习 3.5 小时，实践 3.5 小时） | 1.腾讯云开发者社区《Matplotlib 绘图从零入门到实践（含各类用法详解）》 https://developer.aliyun.com/article/1592257 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解 Matplotlib 对 NumPy 数组的输入要求 2.应用 NumPy 的数学函数处理数据 3.掌握 NumPy 的广播机制在数据可视化中的应用 4.处理不同维度的 NumPy 数组在 Matplotlib 中的显示 | 1.使用 NumPy 生成正弦和余弦曲线数据，并绘制在同一图表中 2.使用 NumPy 的随机数生成函数创建随机数据，并绘制直方图 3.应用 NumPy 的统计函数计算数据的均值、方差等，并在图表中显示 4.比较使用 Python 列表和 NumPy 数组作为 Matplotlib 输入数据的性能差异 | 1.笔试：Matplotlib 与 NumPy 集成的方法和应用场景 2.应用题：使用 NumPy 生成数据并使用 Matplotlib 进行可视化 |
| 13 | 与 Pandas 集成使用 | 1.理解 Matplotlib 与 Pandas 的集成关系 2.掌握使用 Pandas 的 DataFrame 和 Series 进行绘图的方法 3.能够应用 Pandas 的数据分析功能处理数据后进行可视化 4.了解 Pandas 的绘图方法与 Matplotlib 的关系 | 建议 8 小时（理论学习 4 小时，实践 4 小时） | 1.腾讯云开发者社区《Python 数据分析： Pandas 库概述与应用场景之 Series 与 DataFrame 创建指南》 https://cloud.tencent.cn/developer/article/2490612?frompage=seopage&policyId=20240000&traceId=01jy29ca36ttkanccafnqb6k70 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解 Pandas 的绘图方法与 Matplotlib 的关系 2.掌握 DataFrame 和 Series 的绘图方法参数 3.应用 Pandas 的数据分析功能处理数据 4.处理 Pandas 数据结构中的索引和列名在绘图中的显示 | 1.使用 Pandas 的 Series 创建简单的折线图和柱状图 2.使用 Pandas 的 DataFrame 创建多列数据的折线图，添加图例 3.应用 Pandas 的 groupby 功能对数据进行分组后绘制图表 4.比较 Pandas 的绘图方法与 Matplotlib 的原生方法的优缺点 | 1.笔试：Matplotlib 与 Pandas 集成的方法和应用场景 2.应用题：使用 Pandas 处理数据并使用 Matplotlib 进行可视化 |
Matplotlib 在人工智能中的应用 | 14 | 数据预处理可视化 | 1.理解数据预处理在机器学习中的重要性 2.掌握使用 Matplotlib 进行数据清洗和转换的可视化方法 3.能够应用 Matplotlib 进行特征缩放和标准化的可视化 4.了解 Matplotlib 在处理缺失值和异常值中的应用 | 建议 8 小时（理论学习 4 小时，实践 4 小时） | 1.腾讯云开发者社区《TensorFlow 与 Matplotlib 核心知识点及实战案例》 https://blog.csdn.net/xinjichenlibing/article/details/146350487 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解数据预处理各步骤的可视化需求 2.选择合适的图表类型展示数据预处理效果 3.处理不同类型数据的可视化方法 4.协调数据预处理与可视化的步骤 | 1.使用 Matplotlib 绘制原始数据和清洗后的数据对比图表 2.绘制特征缩放前后的数据分布对比直方图 3.使用箱线图展示处理异常值前后的数据分布变化 4.比较不同数据预处理方法在可视化中的效果差异 | 1.笔试：Matplotlib 在数据预处理中的应用方法 2.应用题：根据给定数据集的预处理需求进行可视化 |
| 15 | 模型训练过程可视化 | 1.理解模型训练过程可视化在机器学习中的重要性 2.掌握绘制训练损失曲线和准确率曲线的方法 3.能够创建动态更新的训练过程可视化 4.了解使用 Matplotlib 监控训练过程的方法 | 建议 9 小时（理论学习 4.5 小时，实践 4.5 小时） | 1.腾讯云开发者社区《TensorFlow 与 Matplotlib 核心知识点及实战案例》 https://blog.csdn.net/xinjichenlibing/article/details/146350487 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解训练损失和准确率的变化趋势分析 2.处理多曲线的绘制和图例设置 3.创建动态更新的训练可视化界面 4.优化训练过程可视化的性能 | 1.模拟训练过程，绘制损失随迭代次数的变化曲线 2.绘制训练准确率和验证准确率的对比曲线 3.创建动态更新的训练过程可视化，实时显示当前损失和准确率 4.分析不同训练参数对损失曲线形状的影响 | 1.笔试：Matplotlib 在模型训练过程可视化中的应用方法 2.应用题：根据给定的训练数据绘制训练过程可视化图表 |
| 16 | 模型评估结果可视化 | 1.理解模型评估结果可视化在机器学习中的重要性 2.掌握绘制混淆矩阵的方法 3.能够绘制 ROC 曲线和 AUC 值 4.了解使用 Matplotlib 进行特征重要性可视化的方法 | 建议 10 小时（理论学习 5 小时，实践 5 小时） | 1.腾讯云开发者社区《TensorFlow 与 Matplotlib 核心知识点及实战案例》 https://blog.csdn.net/xinjichenlibing/article/details/146350487 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解混淆矩阵的结构和可视化方法 2.处理多类别分类问题的混淆矩阵绘制 3.计算和绘制 ROC 曲线及 AUC 值 4.处理特征重要性的可视化方法 | 1.使用示例数据绘制混淆矩阵，设置合适的颜色映射和标签 2.绘制二分类问题的 ROC 曲线，并计算 AUC 值 3.使用 Matplotlib 绘制特征重要性条形图，按重要性排序 4.比较不同模型评估可视化方法的优缺点和应用场景 | 1.笔试：Matplotlib 在模型评估结果可视化中的应用方法 2.应用题：根据给定的模型评估结果进行可视化 |
综合项目实践 | 17 | 数据探索性分析可视化项目 | 1.理解数据探索性分析（EDA）的流程和方法 2.能够应用 Matplotlib 进行完整的 EDA 可视化 3.掌握选择合适图表类型的方法 4.能够解释可视化结果并提取数据洞察 | 建议 12 小时（理论学习 6 小时，实践 6 小时） | 1.腾讯云开发者社区《TensorFlow 与 Matplotlib 核心知识点及实战案例》 https://blog.csdn.net/xinjichenlibing/article/details/146350487 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解 EDA 的各步骤及其可视化需求 2.选择合适的图表类型展示不同的数据特征 3.协调多种图表类型的布局和呈现 4.从可视化结果中提取有价值的数据洞察 | 1.选择一个公开数据集，进行完整的 EDA 可视化 2.使用多种图表类型展示数据的分布、关系和异常值 3.添加适当的注释和标签，解释可视化结果 4.撰写一份 EDA 可视化报告，总结数据洞察 | 1.笔试：EDA 可视化的流程和方法 2.应用题：根据给定数据集进行完整的 EDA 可视化并撰写报告 |
| 18 | 机器学习模型可视化项目 | 1.理解机器学习模型可视化的流程和方法 2.能够应用 Matplotlib 进行模型训练、评估和解释的可视化 3.掌握选择合适可视化方法的技巧 4.能够解释可视化结果并评估模型性能 | 建议 15 小时（理论学习 7.5 小时，实践 7.5 小时） | 1.腾讯云开发者社区《TensorFlow 与 Matplotlib 核心知识点及实战案例》 https://blog.csdn.net/xinjichenlibing/article/details/146350487 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解不同机器学习模型的可视化需求 2.选择合适的可视化方法展示模型行为 3.协调模型训练、评估和解释的可视化步骤 4.从可视化结果中评估模型性能和发现问题 | 1.选择一个机器学习模型（如线性回归、决策树），进行完整的可视化 2.绘制训练过程的损失曲线和准确率曲线 3.绘制模型预测结果与真实值的对比图表 4.应用模型解释技术（如特征重要性、局部解释）进行可视化 | 1.笔试：机器学习模型可视化的流程和方法 2.应用题：根据给定的机器学习模型进行完整的可视化并撰写报告 |
| 19 | 深度学习模型可视化项目 | 1.理解深度学习模型可视化的流程和方法 2.能够应用 Matplotlib 进行深度学习模型的可视化 3.掌握选择合适可视化方法的技巧 4.能够解释可视化结果并优化模型性能 | 建议 18 小时（理论学习 9 小时，实践 9 小时） | 1.腾讯云开发者社区《TensorFlow 与 Matplotlib 核心知识点及实战案例》 https://blog.csdn.net/xinjichenlibing/article/details/146350487 2.掘金《Matplotlib 绘图艺术：从新手到高手的全面指南》 https://juejin.cn/post/7434525301890498560 3.博客园《matplotlib 机器学习绘图》 https://www.cnblogs.com/goldsunshine/p/19045905 4.CSDN 博客《Matplotlib 基础入门知识点总结》 https://blog.csdn.net/xx_studying/article/details/127855567 | 1.理解深度学习模型的各层输出可视化方法 2.处理卷积神经网络的特征图可视化 3.掌握生成对抗网络（GAN）的可视化方法 4.协调深度学习模型的多种可视化需求 | 1.选择一个深度学习模型（如 CNN、RNN），进行完整的可视化 2.绘制卷积神经网络的各层特征图 3.可视化生成对抗网络生成的样本 4.应用模型解释技术（如梯度加权类激活映射）进行可视化 | 1.笔试：深度学习模型可视化的流程和方法 2.应用题：根据给定的深度学习模型进行完整的可视化并撰写报告 |
参考资料
[1] Introduction to Data Visualization with Matplotlib https://www.datacamp.com/courses/introduction-to-data-visualization-with-matplotlib?ref=mentorcruise
[2] matplotlib教程_matplotlib 教程-CSDN博客 https://blog.csdn.net/EncodingLee/article/details/135990276
[3] Python Matplotlib Crash Course for Data Visualization https://www.udemy.com/course/python-matplotlib-course/
[4] Introductory course in artificial intelligence （2）—— Scientific computing library of commonly used tools Matplotlib https://lefthero.com/blog/twi_fBr3Q7/11317224466268262.html
[5] matplotlib配对型数据可视化 将-抖音 https://www.iesdouyin.com/share/video/7477568650006793483/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7477568893847702323®ion=&scene_from=dy_open_search_video&share_sign=uFpxr6byzXH7gFq8yt3L.IxC9D0XgsNGcBpDnra6LQs-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756381815&u_code=0&video_share_track_ver=&with_sec_did=1
[6] matplotlib绘图流程和代码结构 -抖音 https://www.iesdouyin.com/share/video/7460344353345621282/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7460345013491239692®ion=&scene_from=dy_open_search_video&share_sign=itrmtndim3zxv.i9je5aSULQokXmpzD2k.NT6UHzueo-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756381815&u_code=0&video_share_track_ver=&with_sec_did=1
[7] 人工智能+最全解析-抖音 https://www.iesdouyin.com/share/video/7543220524378344723/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7543220729675991842®ion=&scene_from=dy_open_search_video&share_sign=LMASdS__spOTSfGktfO5h3DMUUYRLcdIRmqpgyvMYf8-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756381815&u_code=0&video_share_track_ver=&with_sec_did=1
[8] 【Python篇】matplotlib超详细教程-CSDN博客 https://blog.csdn.net/yangjia96/article/details/148412628
[9] matplotlib的详细知识点-CSDN博客 https://blog.csdn.net/2302_76568160/article/details/149616048
[10] Introduction to Data Visualization with Matplotlib https://www.datacamp.com/courses/introduction-to-data-visualization-with-matplotlib?tm_post=curriculum&tm_year=2021
[11] Matplotlib 基础入门知识点总结_matplotlib基础-CSDN博客 https://blog.csdn.net/xx_studying/article/details/127855567
[12] Matplotlib绘图从零入门到实践(含各类用法详解)-阿里云开发者社区 https://developer.aliyun.com/article/1592257
[13] Matplotlib 绘图艺术:从新手到高手的全面指南在数据科学和机器学习领域，数据可视化是一项至关重要的技能 - 掘金 https://juejin.cn/post/7434525301890498560
[14] 解锁 Matplotlib:完整的知识点梳理与应用示例-CSDN博客 https://blog.csdn.net/mng123/article/details/144841739
[15] Matplotlib Courses https://www.udemy.com/topic/matplotlib/?p=89
[16] matplotlib教学视频 - CSDN文库 https://wenku.csdn.net/answer/86uj7657uc
[17] 一周学会Matplotlib3 Python 数据可视化-绘制树形图-CSDN博客 https://blog.csdn.net/caoli201314/article/details/150415531
[18] Matplotlib Journey | The best way to master dataviz in Python https://www.matplotlib-journey.com/
[19] 课程 - 国家高等教育智慧教育平台 https://higher.smartedu.cn/course/671ace0016d8a05eedca2586
[20] matplotlib直方图 直方图-抖音 https://www.iesdouyin.com/share/video/7480395030071479564/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7480395691299556134®ion=&scene_from=dy_open_search_video&share_sign=AGNO7FS72phO3cVCLaPRt6SVpA2SDT6mPe7a7cPvmzI-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756381866&u_code=0&video_share_track_ver=&with_sec_did=1
[21] 【机器学习】嘿马机器学习(科学计算库)第4篇:matplotlib,3.3常见图形绘制【附代码文档】 https://blog.csdn.net/yinuo_432/article/details/150152543
[22] TensorFlow 与 Matplotlib 核心知识点及实战案例_tensorflow和matplotlib-CSDN博客 https://blog.csdn.net/xinjichenlibing/article/details/146350487
[23] 探索数据科学与机器学习中的视觉表达【Matplotlib实战指南】-腾讯云开发者社区-腾讯云 https://cloud.tencent.com.cn/developer/article/2431758?frompage=seopage&policyId=20240001&traceId=01jtkmqkjfv6nnqba1b8h61dx9
[24] pytorch matplotlib版本_mob64ca12e10b51的技术博客_51CTO博客 https://blog.51cto.com/u_16213367/12531986
[25] matplotlib 机器学习绘图 - 金色旭光 - 博客园 https://www.cnblogs.com/goldsunshine/p/19045905
[26] Matplotlib如何学习？两分钟教会你-抖音 https://www.iesdouyin.com/share/video/7308297258099854631/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7308297362294836019®ion=&scene_from=dy_open_search_video&share_sign=IADQblY14G6MHyV7LJ0W58zkrUz8JQJtm9Byiv5sW7k-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756381866&u_code=0&video_share_track_ver=&with_sec_did=1
[27] 用 Python 让数据自己‘涨’起来！ 手把手教你用 Matplotlib 实现数据动态增长效果！-抖音 https://www.iesdouyin.com/share/video/7519121669848403234/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7519121869358844735®ion=&scene_from=dy_open_search_video&share_sign=wG6UqS5CinWRLBeLw_Dw_ZLiCAg2km9k4DXG71qWJvs-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1756381866&u_code=0&video_share_track_ver=&with_sec_did=1
