API 抓回來的資料如果只是一堆數字，看起來很枯燥，也不容易一眼看懂。

如果把它畫成圖表，就能更直觀地看出趨勢和重點。

所以今天要來學習三種最常見的圖表（折線圖、長條圖、圓餅圖），以及 Python 常用的視覺化套件。

為什麼要做資料視覺化？

• 更直觀

用圖表來表示資料，比看一堆數字更容易看懂整體的趨勢和差異。

• 更好比較

不同維度的資料，比如時間、地區或比例，透過不同類型的圖表，可以更清楚地比較和呈現。

• 更容易溝通

在做報告、簡報或跨部門分享時，圖表最容易讓人一眼明白重點，不用花很多時間讀數字。

視覺化心法

在將資料變成圖表之前，要先想清楚幾件事，這樣才能幫助自己選對圖表，讓資料更有說服力：

1. 我要回答的問題是什麼？

先知道自己想從資料中找到什麼答案，不然畫出來的圖可能沒有用。

2. 手上的資料是什麼類型？

是「時間連續變化的數據」像每一天的銷售，還是「分不同類別的統計」像各城市銷量，或是「組成比例」像各部門人數佔比？合適的圖形種類不太一樣。

3. 受眾是誰？

如果是在學校裡，是老師在看分析作業，還是同學們要一起討論報告？

不同的人會有不同想法，老師可能希望看到詳細又正確的數字分析，同學們可能希望圖表簡單清楚，一眼就懂。

根據不同的受眾，我們畫的圖表會有互動功能、好看程度或複雜程度的不同。

常見的三種圖表，什麼時候用？

1. 折線圖（Line Chart）

• 用途：用來看趨勢和變化。

• 資料型態：通常是時間序列資料（例如日期對數值）。

• 適合範例：每天的用戶數變化、銷售額隨時間增加或減少。
  

2. 長條圖（Bar Chart）

• 用途：用來比較不同類別的數值。

• 資料型態：類別對數值，比如不同城市或產品。

• 適合範例：各城市的銷售量，或不同產品的營收比較。
  

3. 圓餅圖（Pie Chart）

• 用途：用來顯示比例分布，表示整體裡的各部分比例。

• 資料型態：所有部分加起來是 100%。

• 適合範例：客戶來源比例，各部門在人力或預算的佔比。
  

Python 常見視覺化套件

1. Matplotlib

• Python 最經典的繪圖工具，可以畫出各種圖表。

• 功能非常完整，幾乎什麼圖都能做出來。

• 程式寫起來比較繁瑣，是學習資料視覺化的基礎。

2. Seaborn

• 建立在 Matplotlib 的基礎上，簡化了畫圖的程式碼。

• 預設畫出的圖比較漂亮，好看。

• 很適合用來做統計分析和資料探索。

3. Plotly

• 可以做互動式圖表，比如滑鼠移到圖上會顯示數值。

• 很適合用在網頁或簡報裡讓人互動。

• 程式碼寫法簡單，視覺效果吸引人。

今日總結

• 認識了三種最常見的圖表（折線圖、長條圖、圓餅圖）及其使用場景

• 知道了 Python 常用的三個繪圖工具：Matplotlib、Seaborn、Plotly