可视化的视图可以说是分门别类，多种多样，今天的这篇文章主要介绍常用的3种视图，包括了散点图、折线图、直方图。感兴趣的小伙伴可以一起来看看哦，希望大家阅读完这篇文章之后能有所收获。
1、散点图
散点图比较适合对两个变量之间的关系进行呈现，它的体现方式就是将两个变量的值在一个二维坐标中展示，除了二维的散点图，我们还有三维的散点图。通常在Matplotlib库中，我们经常会用到pyplot这个工具包，它包括了很多绘图函数，类似Matlab的绘图框架。在使用前需要对这个模块进行引用。代码如下：
import matplotlib.pyplot as plt
模块导入之后，我们就可以使用它绘制散点图了，绘制散点图需要使用到的命令为：
plt.scatter(x, y, marker=None)
其中x、y 是表示的是变量的坐标，marker就是一个标记的符号，可以使用不同的符号，那么在图中呈现的方式也会不一样。
2、折线图
折线图能很好根据时间的变化趋势将数据呈现，意思就是随着时间的变化，图中的数据也会随之变化，在Matplotlib中，我们可以直接使用plt.plot()函数，使用之前，需要对x轴的数据排序，要不然画出的折线图就没有按照x轴的递增而变化。在Seaborn中，画折线图的方式，使用的sns.lineplot (x, y, data=None)函数。其中x、y是data中的下标。data就是我们需要传入的数据，一般是DataFrame类型。
3.直方图
还有一种常见的视图为直方图，它可以将x坐标,也就是横坐标按照一定的数量分成几个小区间，我们可以把这些区间看成是一个箱子，在Matplotlib中，我们绘制直方图的方式是plt.hist(x, bins=10)函数，其中参数x是一维数组，bins代表直方图中的箱子数量，默认是10。
到此，有关Python中常见的可视化图形有哪些？详解3种常见的Python视图的内容就分享到这里了，希望大家通过对上面文章的学习，对可视化图形有更多的了解。
