matplotlib 和 seaborn
能绘制的几乎所有图形类型的完整分类清单（近100种），涵盖基础统计图、分布图、多变量图、图像与空间图、极坐标图、图像处理、聚类与降维可视化等内容，适用于科研、数据科学、医学影像等多种场景。
✅ 一、基础统计图（Basic Statistical Plots）
| 图类型 | 描述 | Seaborn | Matplotlib |
|---|
| 折线图 | 显示趋势变化，例如时间序列 | lineplot() | plot() |
| 散点图 | 变量之间的关系 | scatterplot() | scatter() |
| 条形图（Bar） | 类别的数量比较或聚合统计 | barplot() | bar() |
| 水平条形图 | 横向类别条形图 | barplot(orient='h') | barh() |
| 直方图 | 单变量分布的频数图 | histplot() | hist() |
| 饼图 | 类别所占比例 | ❌ | pie() |
| 点图 | 类似条形图，但以点表示均值 | pointplot() | plot() (自定义) |
✅ 二、分布图（Distribution Plots）
| 图类型 | 描述 | Seaborn |
|---|
| 直方图 | 变量的分布 | histplot() / displot() |
| 核密度估计（KDE） | 平滑分布曲线 | kdeplot() |
| 经验分布图（ECDF） | 累积分布函数曲线 | ecdfplot() |
| Rug plot | 边缘分布的标记 | rugplot() |
| 箱型图 | 分位数与离群点展示 | boxplot() |
| Boxen图 | 类似箱型图，适合大样本 | boxenplot() |
| 小提琴图 | 箱型图 + KDE | violinplot() |
| 分组分布图 | 分布图分组展示 | displot(hue=...) |
✅ 三、多变量关系图（Multi-variate Plots）
| 图类型 | 描述 | Seaborn |
|---|
| Pair plot（成对关系图） | 多变量之间两两关系的散点图和分布图 | pairplot() |
| Joint plot（联合图） | 主变量间的散点图 + 边缘直方图/KDE图 | jointplot() |
| Swarm plot | 类别下变量的分布（无重叠） | swarmplot() |
| Strip plot | 类别下变量的分布（可重叠） | stripplot() |
| Catplot（总览接口） | 类别变量的统一作图接口，支持 bar/violin/swarm 等 | catplot() |
| Count plot | 类别频数统计图 | countplot() |
✅ 四、回归图与拟合（Regression Visualization）
| 图类型 | 描述 | Seaborn |
|---|
| 回归拟合图 | 带拟合线的散点图 | regplot() |
| 多组回归拟合图 | 类别分组回归拟合图 | lmplot() |
| 多变量拟合 | 可在 lmplot() 中使用 hue、col、row 等 | lmplot() |
✅ 五、聚合统计图（Statistical Estimation Plots）
| 图类型 | 描述 | Seaborn |
|---|
| Bar plot（估计） | 显示类别均值及置信区间 | barplot() |
| Point plot（估计） | 点线图，适合趋势对比 | pointplot() |
| Lineplot（估计） | 折线图形式的估计展示 | lineplot() |
| Error bars | 显示置信区间或误差范围 | 所有估计类图均可带 ci= 参数控制 |
✅ 六、热力图与矩阵图（Heatmaps & Matrix Plots）
| 图类型 | 描述 | Seaborn |
|---|
| Heatmap（热力图） | 显示矩阵值的热度 | heatmap() |
| Clustermap（聚类热图） | 自动聚类 + 热力图 | clustermap() |
| Corrplot（相关性图） | 变量之间的相关系数热图 | heatmap(df.corr()) |
✅ 七、时间序列图（Time Series）
| 图类型 | 描述 | Seaborn / Matplotlib |
|---|
| 时间趋势图 | 时间轴下的数值变化 | lineplot(), plot() |
| 滑动平均线 | 使用 .rolling().mean() 平滑处理 | lineplot() + pandas |
| 周期性标记图 | 日/周/月标记图，自定义 x 轴标签等 | xticks() 设置 |
✅ 八、分类数据图（Categorical Plots）
可通过 catplot() 快速生成以下图：
kind='strip'：stripplotkind='swarm'：swarmplotkind='box'：boxplotkind='violin'：violinplotkind='boxen'：boxenplotkind='point'：pointplotkind='bar'：barplotkind='count'：countplot
✅ 九、极坐标图（Polar / Circular）
| 图类型 | 描述 | Matplotlib |
|---|
| 极坐标图 | 使用角度和半径表示数据 | subplot(polar=True) |
| 雷达图（蜘蛛图） | 多维数据可视化 | 自定义 polar 绘制 |
| 环状图（Donut） | 饼图加空心中心 | pie() + 空白圆 |
✅ 十、图像与医学图可视化（Image Visualization）
| 图类型 | 描述 | Matplotlib |
|---|
| 图像灰度显示 | 医学图像 / MRI / CT / 热图显示 | imshow(..., cmap='gray') |
| 彩色图像显示 | RGB / 多通道 MRI | imshow() |
| 图像直方图 | 灰度值频率 | hist(image.ravel()) |
| 多图子图组合（subplot） | 同时显示多个图像或视图 | subplot(), subplots() |
| 等高线图（Contour） | 图像等值线 | contour() |
| 图像叠加 | 原图+Mask | imshow(..., alpha=0.5) |
✅ 十一、三维图形（3D Plots）需要 mpl_toolkits.mplot3d
| 图类型 | 描述 | Matplotlib |
|---|
| 3D 曲线图 | 空间折线图 | ax.plot3D() |
| 3D 散点图 | 三维空间分布 | ax.scatter3D() |
| 3D 表面图 | 曲面图 | ax.plot_surface() |
| 3D 条形图 | 柱状图 | ax.bar3d() |
| 3D 等高线 | 三维数据的等值线图 | ax.contour3D() |
✅ 十二、降维与聚类图（常与其他库结合，如 sklearn）
| 图类型 | 描述 | 可用库 |
|---|
| PCA 2D/3D 散点图 | 主成分分析后的二维可视化 | matplotlib, seaborn |
| t-SNE 可视化 | 非线性降维的样本空间展示 | matplotlib, seaborn |
| UMAP 可视化 | 保局部结构的降维展示 | matplotlib, seaborn |
| KMeans 聚类分布图 | 聚类结果叠加于散点图 | scatter() + label |
| 层次聚类树状图（Dendrogram） | 层次聚类的结构图 | scipy.cluster.hierarchy |
✅ 十三、风格、调色板与主题（辅助功能）
| 功能 | 示例 |
|---|
| Seaborn 风格设置 | sns.set_theme(style='darkgrid') |
| 调色板 | sns.color_palette('pastel') |
| Facet 网格 | sns.FacetGrid(df, col='var') |
| 多图组合显示 | plt.subplot(), plt.subplots() |
