Python数据可视化核心知识100题（附解析）

1. 数据可视化的主要目标是通过__________手段，将数据转换为图形，以帮助人们理解和发现数据中的规律、趋势和异常。
答案：图形化
解析：数据可视化旨在借助图形化的手段，将一组数据以图形的形式表示，并利用数据分析和开发工具发现其中未知信息的处理过程。

2. 一个完整的数据可视化流程通常包括数据获取、__________、可视化编码与呈现以及结果解读。
答案：数据清洗与处理
解析：常见的数据可视化流程始于数据获取，然后对数据进行清洗与处理（如处理缺失值、异常值、数据转换等），再进行可视化编码与呈现，最后对生成的图表进行解读和分析。

3. 在可视化设计原则中，__________要求在同一图表或不同图表中，对相同类型的数据使用相同的视觉编码（如颜色、形状）。
答案：一致性
解析：一致性原则是可视化设计的重要原则之一，它要求相同的视觉元素（如颜色、标记、坐标轴刻度）在整个可视化项目中代表相同的含义，以避免观众产生混淆。

4. Matplotlib库中，用于创建图形（Figure）和坐标轴（Axes）对象的经典接口是plt.__________()。
答案：subplots
解析：plt.subplots()函数是Matplotlib中非常常用的一个函数，它可以一次性创建一个图形（Figure）和一个或多个坐标轴（Axes）子图，方便后续的绘图操作。

5. Seaborn库是基于__________构建的高级统计图形库，它提供了更美观的默认样式和更简洁的API。
答案：Matplotlib
解析：Seaborn是一个基于Matplotlib的Python可视化库，它提供了更高级的API，专注于统计图形的绘制，并且拥有更美观的默认主题和颜色方案。

6. 用于展示两个连续变量之间相关关系最常用的图表类型是__________图。
答案：散点解析：散点图（Scatter Plot）将两个连续变量的值分别映射到X轴和Y轴，用点的位置展示它们之间的关系，是观察相关性、聚类和异常值的有效工具。

7. 在Matplotlib中，用于绘制柱状图的函数是plt.__________()。
答案：bar
解析：plt.bar()用于绘制垂直柱状图，plt.barh()用于绘制水平条形图。它们通过矩形条的高度或长度来表示数据的大小。

8. 在Matplotlib中，用于绘制饼图的函数是plt.__________()。
答案：pie
解析：plt.pie()函数用于绘制饼图，它通过扇形的大小来显示各部分占总体的比例。

9. 在Matplotlib中，使用plt.__________()函数可以为图表添加标题。
答案：title
解析：plt.title()函数用于为当前坐标轴（Axes）或图形（Figure）添加一个主标题。

10. 在Matplotlib中，使用plt.__________()和plt.__________()函数可以分别设置X轴和Y轴的标签。
答案：xlabel, ylabel
解析：plt.xlabel()和plt.ylabel()函数用于设置当前坐标轴的X轴和Y轴的标签文字。

11. 在Matplotlib中，使用plt.__________()函数可以显示图表。
答案：show
解析：在非交互式环境（如脚本或某些IDE）中，plt.show()函数会阻塞程序，并弹出一个窗口来显示所有已创建的图形。

12. 在Matplotlib中，使用plt.__________()函数可以将当前图形保存为图片文件。
答案：savefig
解析：plt.savefig(‘filename.png’)函数可以将当前图形保存到文件，支持PNG、PDF、SVG等多种格式。

13.在Matplotlib中，通过plt.plot()函数的__________参数可以设置线条的样式，例如‘-’表示实线，‘--’表示虚线。
答案：linestyle (或 ls)
解析：linestyle或ls参数用于控制线条的样式，常用的值有‘-’（实线）、‘--’（虚线）、‘:’（点线）、‘-.’（点划线）。

14. 在Matplotlib中，通过plt.plot()函数的__________参数可以设置线条的颜色。
答案：color (或 c)
解析：color或c参数用于设置线条的颜色，可以接受颜色名称（如‘red’）、十六进制字符串（如‘#FF0000’）或RGB元组。

15. 在Matplotlib中，通过plt.plot()函数的__________参数可以设置数据点的标记样式。
答案：marker
解析：marker参数用于设置在数据点位置显示的标记符号，例如‘o’（圆点）、‘s’（方形）、‘^’（三角形）、‘*’（星号）。

16. 在Matplotlib中，使用plt.__________()函数可以在同一张图中绘制多个子图。
答案：subplot
解析：plt.subplot(nrows, ncols, index)函数用于在网格布局中创建并定位一个子图（Axes对象）。plt.subplots()是其更现代的封装。

17.用于展示数据分布特征的__________图，可以显示数据的中位数、四分位数和异常值。
答案：箱线 (或 Box Plot)
解析：箱线图（Box Plot）是一种用于显示一组数据分散情况的统计图，它能显示数据的中位数、上下四分位数、最小值和最大值，并能标识出潜在的异常值。

18. Seaborn库中的__________函数常用于绘制单变量或双变量的核密度估计图。
答案：kdeplot
解析：sns.kdeplot()函数用于绘制核密度估计图，它可以平滑地展示单个或多个变量的概率密度分布。

19. Seaborn库中的__________函数可以绘制数据集中多个成对变量之间的散点图和分布图。
答案：pairplot
解析：sns.pairplot()函数会生成一个网格，对角线通常是单变量的分布图（如直方图或KDE图），而非对角线则是两个变量之间的散点图，非常适合探索多变量关系。

20. 在Pandas中，DataFrame对象可以直接调用__________方法进行快速绘图，其底层依赖于Matplotlib。
答案：plot
解析：Pandas的DataFrame和Series对象都集成了.plot()方法，通过指定kind参数（如‘line’,‘bar’,‘hist’）可以快速绘制各种类型的图表。

21. 用于表示部分与整体关系的经典图表类型是__________图。
答案：饼
解析：饼图（Pie Chart）是一个圆形图表，被分割成若干个扇形，每个扇形的大小表示该部分数值占总体数值的百分比。

22. 在Matplotlib中，使用plt.__________()函数可以为图表添加图例。
答案：legend
解析：plt.legend()函数用于在当前坐标轴上放置图例。通常需要在绘图时通过label参数为线条或条形指定标签。

23. 在Matplotlib中，使用plt.__________()函数可以设置图表中X轴和Y轴的显示范围。
答案：xlim 和 ylim (或 axis)
解析：plt.xlim([xmin, xmax])和plt.ylim([ymin, ymax])用于设置坐标轴的显示范围。plt.axis([xmin, xmax, ymin, ymax])可以同时设置X轴和Y轴的范围。

24. 在Seaborn中，__________函数用于绘制带有分类数据的散点图，并可以自动区分不同类别。
答案：stripplot (或 swarmplot)
解析：sns.stripplot()绘制分类散点图，数据点可能会重叠。sns.swarmplot()也绘制分类散点图，但会调整点位置避免重叠，能更好地显示数据分布。

25. 用于展示数据随时间变化趋势的最常用图表类型是__________图。
答案：折线
解析：折线图（Line Plot）通过将数据点按顺序连接起来，能够清晰地展示数据随时间或其他连续变量变化的趋势、速率和规律。

26. 在Matplotlib中，面向对象的绘图方式中，最顶层的容器是__________对象。
答案：Figure
解析：在Matplotlib的面向对象接口中，Figure对象代表整个图形窗口或画布，是所有其他元素（如坐标轴、标题等）的顶级容器。

27. 在Matplotlib的面向对象接口中，Figure对象包含一个或多个__________对象，它是实际绘图和坐标系的区域。
答案：Axes解析：Axes对象是附加在Figure上的一个特定区域，它包含了坐标轴、刻度、标签、图形标题等几乎所有绘图元素。一个Figure可以包含多个Axes。

28. 使用plt.figure(figsize=(width, height))可以设置生成图形的__________。
答案：尺寸 (或 大小)
解析：figsize参数接受一个元组(width, height)，用于指定图形的宽度和高度，单位是英寸。

29. 在Seaborn中，使用__________函数可以绘制两个变量之间的线性回归关系图，并自动添加回归线和置信区间。
答案：regplot (或 lmplot)
解析：sns.regplot()和sns.lmplot()都用于绘制线性回归模型图。regplot()在指定坐标轴上绘图，而lmplot()结合了regplot()和FacetGrid，可以通过hue,col,row等参数进行分面绘图。

30. 在Pandas中，使用__________方法可以计算数据的基本描述性统计信息，如均值、标准差、最小值、最大值等。
答案：describe
解析：DataFrame的.describe()方法会生成一个包含计数、均值、标准差、最小值、四分位数和最大值的统计摘要，对于快速了解数据分布非常有用。

31. 用于比较不同类别数据大小的图表类型是__________图。
答案：柱状 (或 条形)
解析：柱状图（Bar Chart）使用矩形条的高度（垂直）或长度（水平）来表示不同分类的数据大小，便于进行类别间的比较。

32. 在Matplotlib中，使用ax.__________()方法（其中ax是一个Axes对象）可以在该坐标轴上绘制文本。
答案：text
解析：ax.text(x, y, s)方法用于在坐标(x, y)处添加文本s。plt.text()是其pyplot接口的等价形式。

33. 在Seaborn中，__________函数用于绘制分类数据的分布图，它结合了箱线图和核密度估计图的特点。
答案：violinplot
解析：sns.violinplot()绘制小提琴图，它显示了数据的分布形状（类似于核密度图）以及箱线图的中位数和四分位数，能提供比箱线图更丰富的信息。

34. 在数据可视化中，__________是指将数据值映射到视觉变量（如位置、长度、颜色、形状等）的过程。
答案：视觉编码 (或 可视化编码)
解析：视觉编码是数据可视化的核心，它决定了数据如何被观众感知。选择合适的视觉编码对于有效传达信息至关重要。

35. 在Matplotlib中，使用plt.__________()函数可以设置整个图形的超级标题。
答案：suptitle
解析：plt.suptitle()用于为整个图形（Figure）添加一个总标题，通常位于所有子图的上方。

36. 用于展示地理空间数据分布的可视化图表类型是__________图。
答案：地图 (或 热力地图、等值线图等，此处填“地图”即可)
解析：地图可视化是展示地理空间数据的主要形式，常见的有点地图、等值线图、热力图、流向图等。在Python中可以使用Basemap、GeoPandas、Folium等库。

37. 在Seaborn中，使用__________函数可以绘制数据的热力图，常用于展示矩阵数据。
答案：heatmap
解析：sns.heatmap()函数用于绘制二维数据的热力图，通过颜色深浅来表示矩阵中数值的大小，常用于展示相关性矩阵或混淆矩阵。

38. 在Matplotlib中，使用plt.__________()函数可以设置坐标轴的刻度标签。
答案：xticks 和 yticks
解析：plt.xticks(ticks, labels)和plt.yticks(ticks, labels)用于设置坐标轴刻度的位置和对应的标签文本。

39. 在Pandas中，使用df[‘column’].__________()方法可以绘制该列的直方图。
答案：hist
解析：Pandas Series对象的.hist()方法会调用Matplotlib绘制直方图，用于展示单变量的分布情况。也可以通过df.plot(kind=‘hist’)实现。

40. 在Matplotlib中，使用plt.__________()函数可以在图表中添加网格线。
答案：grid
解析：plt.grid(True)可以在当前坐标轴上显示网格线，plt.grid(False)则关闭网格线。还可以通过axis,color,linestyle等参数定制网格。

41. 用于展示三个变量之间关系的图表类型是__________图，其中两个变量决定点的位置，第三个变量决定点的颜色或大小。
答案：气泡 (或 散点图变体，填“气泡图”更准确)
解析：气泡图（Bubble Chart）是散点图的变体，其中点的位置由两个变量决定，点的大小（有时也用颜色）由第三个变量决定，用于展示三维数据。

42. 在Seaborn中，使用__________函数可以绘制带有误差条的条形图。
答案：barplot
解析：sns.barplot()默认会计算并显示每个分类的均值，并通过误差条（通常表示置信区间）来展示估计值的不确定性。

43. 在Matplotlib中，使用plt.__________()函数可以绘制直方图。
答案：hist
解析：plt.hist(x, bins)函数用于绘制直方图，其中x是数据，bins指定了直方图的箱子数量或边界。

44. 在数据可视化中，__________原则强调图表应避免不必要的装饰和复杂性，以最清晰的方式呈现数据。
答案：简洁性 (或 简约、极简主义)
解析：简洁性原则（或“数据墨水比”最大化原则）由Edward Tufte提出，主张移除图表中所有非数据元素和冗余的数据元素，让观众专注于数据本身。

45. 在Matplotlib中，使用plt.__________()函数可以绘制填充区域图。
答案：fill_between
解析：plt.fill_between(x, y1, y2)用于填充y1和y2之间的区域，常用于表示置信区间或数据范围。

46. 在Seaborn中，使用__________函数可以绘制分面网格，用于基于数据子集创建多个子图。
答案：FacetGrid
解析：sns.FacetGrid()是一个用于绘制条件关系的多子图网格系统。它根据数据的一个或多个分类变量，将数据分割到不同的子图中进行可视化。

47. 用于展示数据集中各个分类占比的另一种图表是__________图，它类似于饼图，但所有部分排列在一条直线上。
答案：堆叠条形 (或 百分比堆叠条形图，但“堆叠条形图”更通用)
解析：堆叠条形图（Stacked Bar Chart）将每个条形分割成多个部分，各部分的高度代表其在整体中的比例，所有条形加起来的总高度相同（如果是100%堆叠条形图）。

48. 在Matplotlib中，使用ax.__________()方法可以在坐标轴上添加箭头注释。
答案：arrow (或 annotate，但arrow更直接)
解析：ax.arrow(x, y, dx, dy)用于绘制一个从(x, y)到(x+dx, y+dy)的箭头。ax.annotate()功能更强大，可以添加带箭头的文本注释。

49. 在Pandas中，使用df.plot(kind=‘__________’)可以绘制面积图。
答案：area
解析：将kind参数设置为‘area’，Pandas的绘图函数会生成面积图，它类似于折线图，但线与X轴之间的区域会被填充。

50. 在Matplotlib中，使用plt.__________()函数可以绘制阶梯图。
答案：step
解析：plt.step(x, y)绘制阶梯图，它在每个数据点处产生一个水平的“阶梯”，适用于显示离散的、不连续的变化。

51. Seaborn的__________函数用于绘制带有核密度估计的二维散点图，可以展示两个变量的联合分布。
答案：jointplot
解析：sns.jointplot()创建一个多面板图形，中心是散点图，边缘是两个变量的直方图或密度图，用于展示双变量关系及其各自的分布。

52. 在Matplotlib中，使用__________参数可以设置图形的分辨率（每英寸点数）。
答案：dpi
解析：在plt.figure()或plt.savefig()中设置dpi（dots per inch）参数，可以控制图形的输出分辨率。更高的dpi意味着更清晰的图像，但文件也更大。

53. 用于展示多个数据序列在不同类别上取值大小的图表类型是__________图，它将多个条形并列放置。
答案：分组条形 (或 簇状条形)
解析：分组条形图（Grouped Bar Chart）将不同数据序列的条形并列放在同一分类组内，便于在组内和组间进行比较。

54. 在Seaborn中，使用__________函数可以绘制分类数据的计数条形图。
答案：countplot
解析：sns.countplot()用于绘制每个分类中观测值数量的条形图。它是sns.barplot()的一个特例，其中estimator参数被设置为len（计数）。

55. 在Matplotlib中，使用plt.__________()函数可以绘制误差条形图。
答案：errorbar
解析：plt.errorbar(x, y, yerr, xerr)用于绘制带有误差条的折线图或散点图，其中yerr和xerr参数指定Y轴和X轴方向的误差范围。

56. 在数据可视化中，__________色图（如viridis,plasma）在感知上是均匀的，并且对色盲友好，是当前推荐使用的色图。
答案：顺序型 (或 连续型，但“顺序型”更准确)
解析：Matplotlib从2.0版本开始引入了如viridis,plasma,inferno,magma等感知均匀的顺序型色图，它们比传统的jet色图更科学。

57. 在Matplotlib中，使用plt.__________()函数可以绘制二维等高线图。
答案：contour (或 contourf)
解析：plt.contour()绘制等高线，plt.contourf()绘制填充等高线图。它们常用于展示三维数据在二维平面上的投影。

58. 在Seaborn中，使用__________函数可以绘制带有分类变量的散点图，并使用不同的颜色和/或样式来区分hue和style参数指定的变量。
答案：scatterplot
解析：sns.scatterplot()是Seaborn中绘制散点图的主要函数，它支持通过hue（颜色）、style（样式）、size（大小）参数来编码多个变量。

59. 在Pandas中，使用df.__________()方法可以计算数据框各列之间的相关系数矩阵。
答案：corr
解析：DataFrame的.corr()方法默认计算各数值列之间的皮尔逊相关系数，返回一个相关系数矩阵。这对于探索变量间的线性关系非常有用。

60. 在Matplotlib中，使用plt.__________()函数可以绘制极坐标图。
答案：polar
解析：plt.polar(theta, r)用于在极坐标系中绘图，其中theta是角度数组，r是对应的半径数组。也可以通过subplot(projection=‘polar’)创建极坐标子图。

61. 用于展示数据分布和概率密度的图表类型是__________图，它通过平滑的曲线来估计数据的概率密度函数。
答案：核密度估计 (或 KDE)
解析：核密度估计（Kernel Density Estimation, KDE）图用一条连续的曲线来估计随机变量的概率密度函数，比直方图更平滑，能更好地展示分布形状。

62. 在Matplotlib中，使用__________对象可以创建颜色映射（colormap）。
答案：Colormap (或 cm)
解析：Matplotlib的cm模块（如plt.cm.viridis）或matplotlib.cm提供了许多颜色映射对象，可以将标量数据映射到颜色。

63. 在Seaborn中，使用__________函数可以绘制带有边际分布的散点图矩阵。
答案：pairplot (或 PairGrid)
解析：sns.pairplot()是绘制散点图矩阵的高级接口，它自动处理数据框中的数值列。sns.PairGrid提供了更灵活的底层控制。

64. 在Matplotlib中，使用ax.__________()方法可以设置坐标轴的纵横比。
答案：set_aspect
解析：ax.set_aspect(‘equal’)可以设置坐标轴的纵横比为1，确保图形在X轴和Y轴方向上的单位长度相等，这对于绘制圆形或保持地理投影的正确性很重要。

65. 用于展示时间序列数据中周期性模式（如一天内、一周内）的图表类型是__________图。
答案：周期图 (或 热力图形式的日历图，但“周期图”更通用)
解析：对于具有周期性的时间序列（如网站流量），可以将其重塑为以周期（如星期、小时）为单位的矩阵，并用热力图展示，这有助于发现周期性模式。

66. 在Matplotlib中，使用plt.__________()函数可以绘制矢量场图（箭头图）。
答案：quiver
解析：plt.quiver(X, Y, U, V)用于绘制二维矢量场，其中(X, Y)是箭头的位置，(U, V)是箭头的方向分量。

67. 在Seaborn中，使用__________函数可以绘制分类数据的分布图，它显示了每个分类下数据的完整分布。
答案：boxplot (或 violinplot, stripplot, swarmplot，但“boxplot”是最基础的)
解析：sns.boxplot()绘制箱线图，是展示分类数据分布（中位数、四分位数、异常值）的标准方法。violinplot,stripplot,swarmplot提供了更多细节。

68. 在Matplotlib中，使用__________参数可以设置线条的宽度。
答案：linewidth (或 lw)
解析：在plt.plot()等函数中，通过linewidth或lw参数可以设置线条的宽度（以点为单位）。

69. 在Pandas中，使用df.plot(kind=‘__________’)可以绘制六边形分箱图，适用于展示大量数据点的二维分布。
答案：hexbin
解析：六边形分箱图（Hexbin Plot）将二维空间划分为六边形网格，并统计每个六边形内的数据点数量，用颜色表示密度，是处理大量散点数据避免重叠的好方法。

70. 在数据可视化中，__________变量通常用位置、长度或角度来编码；__________变量通常用颜色饱和度、亮度或大小来编码。
答案：定量 (或 连续)， 定量 (或 连续) （注：此空考察视觉编码与变量类型的匹配。位置、长度、角度常用于编码定量变量；颜色饱和度、亮度、大小也常用于编码定量变量。分类变量则常用颜色色调、形状来编码。）
解析：这是一个关于视觉编码的经典知识。定量（连续）变量适合用位置、长度、角度、面积、体积、颜色饱和度/亮度来编码。定性（分类/顺序）变量适合用颜色色调、形状、纹理来编码。

71. 在Matplotlib中，使用plt.__________()函数可以绘制三维散点图。
答案：scatter (但需要先创建3D坐标轴，更准确的流程是：ax = plt.axes(projection=‘3d’)然后ax.scatter3D())
解析：绘制3D图形需要先创建3D坐标轴投影：ax = plt.axes(projection=‘3d’)或fig.add_subplot(projection=‘3d’)，然后使用ax.scatter3D(),ax.plot3D()等方法绘图。

72. 在Seaborn中，使用__________函数可以绘制带有回归线和置信区间的分面散点图。
答案：lmplot
解析：sns.lmplot()专门用于绘制线性回归模型图，并且它内置了分面功能，可以通过col,row参数轻松创建基于分类变量的多子图网格。

73. 在Matplotlib中，使用__________上下文管理器可以临时设置绘图的样式参数（如线条宽度、字体大小）。
答案：rc_context
解析：with plt.rc_context({‘key’: ‘value’}):可以创建一个临时上下文，在这个上下文中绘制的图形会使用指定的rc参数，退出上下文后参数恢复原样。

74. 用于展示文本数据中词语频率的可视化图表是__________图，其中词语的大小与其频率成正比。
答案：词云解析：词云（Word Cloud）是一种视觉展示，文本中出现的单词被绘制成图形，其中单词的大小与其在文本中出现的频率或其他重要性度量成正比。

75. 在Matplotlib中，使用plt.__________()函数可以绘制填充的多边形。
答案：fill
解析：plt.fill(x, y)用于绘制并填充由顶点(x, y)定义的多边形。plt.fill_between()是其用于填充两条曲线之间区域的特殊形式。

76. 在Seaborn中，使用__________函数可以绘制带有核密度估计和直方图的单变量分布图。
答案：distplot (注：在较新版本的Seaborn中，distplot已被弃用，推荐分别使用histplot和kdeplot)
解析：sns.distplot()曾是一个常用函数，用于绘制单变量分布，结合了直方图和KDE图。现在建议使用sns.histplot()或sns.displot()（一个图形级函数）。

77. 在Matplotlib中，使用__________对象可以创建颜色条（colorbar），用于解释颜色映射与数据值之间的关系。
答案：Colorbar
解析：通常通过plt.colorbar()或fig.colorbar()函数为基于标量数据着色的图形（如imshow,contourf,scatter带c参数）添加颜色条。

78. 在Pandas中，使用df.__________()方法可以绘制安德鲁斯曲线，用于可视化高维数据。
答案：plot (kind=‘andrews_curves’) （注：Pandas有专门的绘图函数pandas.plotting.andrews_curves）
解析：pandas.plotting.andrews_curves()函数可以绘制安德鲁斯曲线，它将每个多变量观测值转换为一条曲线，有助于观察高维数据的聚类模式。

79. 在Matplotlib中，使用__________函数可以绘制二维数组的伪彩色图像（热图）。
答案：imshow解析：plt.imshow()主要用于显示图像数据（二维数组），它会将数组值映射到颜色映射上，常用于显示矩阵、图像或任何二维标量场。

80. 在Seaborn中，使用__________函数可以绘制带有分类变量的点图，它显示点估计和置信区间。
答案：pointplot
解析：sns.pointplot()绘制点图，它通过点和线来展示点估计（默认是均值）以及置信区间，适用于比较分类变量不同水平间的变化。

81. 在数据可视化中，__________是指通过交互手段（如缩放、平移、悬停提示）让用户能够探索数据的可视化形式。
答案：交互式可视化
解析：交互式可视化允许用户与图形进行交互，例如通过鼠标悬停查看数据点详情、缩放和平移视图、通过滑块过滤数据等，极大地增强了数据探索能力。

82. 在Matplotlib中，使用__________模块可以创建动画。
答案：animation
解析：Matplotlib的animation模块（from matplotlib import animation）提供了FuncAnimation和ArtistAnimation等类，用于创建动态图形。

83. 在Seaborn中，使用__________函数可以设置图形的整体美学样式（如darkgrid,whitegrid,dark,white,ticks）。
答案：set_style
解析：sns.set_style()用于设置Seaborn图形的整体背景和网格样式，这是Seaborn美化图形的第一步，提供了几种预设的主题。

84. 在Matplotlib中，使用plt.__________()函数可以绘制对数坐标轴的图表。
答案：semilogx, semilogy, loglog （三选一即可，但“loglog”更全面）
解析：plt.semilogx()设置X轴为对数刻度，plt.semilogy()设置Y轴为对数刻度，plt.loglog()同时设置X轴和Y轴为对数刻度。

85. 用于展示层次结构数据的图表类型是__________图，它使用嵌套的矩形来表示各部分与整体的关系。
答案：树状图 (或矩形树图，Treemap)
解析：树状图（Treemap）使用一组嵌套的矩形来显示层次结构数据。每个矩形的面积与一个数据值成比例，颜色可以表示另一个维度。

86. 在Matplotlib中，使用__________参数可以设置图形中所有文本的字体属性。
答案：fontdict (或在rcParams中设置)
解析：可以通过传递一个字典给fontdict参数来设置特定文本（如标题、标签）的字体属性。要全局设置，可以修改matplotlib.rcParams中关于字体的设置。

87. 在Seaborn中，使用__________函数可以设置图形的颜色主题（调色板）。
答案：set_palette
解析：sns.set_palette()用于设置图形的颜色主题，它接受颜色列表或Seaborn调色板名称（如‘husl’,‘Set2’,‘viridis’）。

88. 在Pandas中，使用df.__________()方法可以绘制自相关图，用于时间序列分析。
答案：plot (autocorrelation_plot) （注：pandas.plotting.autocorrelation_plot）
解析：pandas.plotting.autocorrelation_plot()函数用于绘制时间序列的自相关图，有助于检测序列中的随机性和季节性。

89. 在Matplotlib中，使用__________函数可以绘制二维箭头图，用于表示向量场。
答案：quiver (已出现，见66题) 或 streamplot
解析：plt.streamplot()绘制流线图，它用连续的、带方向的流线来表示向量场，比quiver绘制的箭头图更能体现场的整体结构。

90. 在数据可视化中，__________是一种将高维数据降维到二维或三维空间进行可视化的技术，如PCA和t-SNE。
答案：降维可视化
解析：主成分分析（PCA）和t-分布随机邻域嵌入（t-SNE）是常用的降维技术，它们将高维数据点映射到低维（通常是2D或3D）空间，以便用散点图等进行可视化。

91. 在Seaborn中，使用__________函数可以绘制带有边缘直方图的二维密度图。
答案：jointplot (kind=‘kde’)
解析：sns.jointplot(x, y, data, kind=‘kde’)会绘制一个双变量的核密度估计图（等高线或填充），并在边缘绘制单变量的密度图。

92. 在Matplotlib中，使用__________对象可以创建自定义的图例。
答案：Legend
解析：虽然通常使用plt.legend()自动创建图例，但也可以通过matplotlib.legend.Legend类手动创建和放置高度自定义的图例。

93. 用于展示网络节点和连接关系的图表类型是__________图。
答案：网络 (或 图)
解析：网络图（Network Graph）使用节点（点）和边（线）来表示实体（如人、计算机）及其之间的关系（如友谊、连接）。常用库有NetworkX。

94. 在Matplotlib中，使用__________函数可以绘制二维条形图，其中条形由彩色矩形块组成，常用于展示矩阵数据。
答案：matshow (或 imshow，但matshow专为矩阵设计)
解析：plt.matshow()是专门为显示矩阵而设计的函数，它会自动隐藏坐标轴并显示网格，使得矩阵的每个单元格对应一个彩色方块，类似于imshow但布局更适合矩阵。

95. 在Seaborn中，使用__________函数可以绘制带有数据分布和回归拟合线的散点图矩阵。
答案：pairplot (kind=‘reg’) 或 PairGrid.map_offdiag(regplot)
解析：在sns.pairplot()中设置kind=‘reg’，会在非对角线上绘制带有线性回归线的散点图。使用PairGrid可以更灵活地控制。

96. 在Matplotlib中，使用__________模块可以绘制地理地图。
答案：basemap (注：Basemap已停止维护，现推荐使用Cartopy)或 cartopy
解析：Matplotlib的mpl_toolkits.basemap曾是绘制地图的常用工具，但现在更推荐使用cartopy库，它提供了更现代、更强大的地理数据处理和投影功能。

97. 在数据可视化中，__________是指通过颜色、形状、大小等视觉通道来区分不同数据类别的过程。
答案：视觉编码 (或 数据编码)
解析：视觉编码是将数据值映射到视觉变量（视觉通道）的过程，例如将分类数据映射到不同的颜色（色调），将连续数据映射到位置或颜色亮度。

98. 在Pandas中，使用df.__________()方法可以绘制滞后图，用于检查时间序列的自相关性。
答案：plot (lag_plot) （注：pandas.plotting.lag_plot）
解析：pandas.plotting.lag_plot()绘制时间序列与其自身滞后版本（如 lag=1）的散点图，用于直观检查自相关性和随机性。

99. 在Matplotlib中，使用__________函数可以创建极坐标下的条形图（径向条形图）。
答案：bar (在极坐标投影下)解析：首先创建极坐标投影的坐标轴：ax = plt.subplot(projection=‘polar’)，然后在此坐标轴上使用ax.bar(theta, height)绘制径向条形图。

100. 在Seaborn中，使用__________函数可以绘制分类数据的分布图，它结合了箱线图和散点图，能显示所有数据点。
答案：boxenplot (或catplotwithkind=‘boxen’)
解析：sns.boxenplot()绘制增强箱线图，它显示了更多的分位数，能更详细地描述数据的分布形状，尤其适用于大数据集。sns.catplot(kind=‘boxen’)是其图形级接口。

参考来源

• 《Python数据可视化》模拟考试题及答案 共2套.docx - 人人文库
• 《Python数据可视化》模拟考试题及答案 共2套.docx-原创力文档
• Python数据可视化_课后习题及答案_python_尽君欢-华为开发者空间
• 100道Python练手题目详解与优化方案
• 《Python数据可视化》模拟考试题1.docx - 人人文库