数据可视化是数据科学或机器学习项目中十分重要的一环。常见的5种基础的数据可视化方法：
1.散点图；
2.线图；
3.直方图；
4.条形图；
5.箱型图。
1.热力图（Heat Map）：是数据的一种矩阵表示方法，其中每个矩阵元素的值通过一种颜色表示。不同的颜色代表不同的值，通过矩阵的索引将需要被对比的两项或两个特征关联在一起。热力图非常适合于展示多个特征变量之间的关系，因为你可以通过颜色知道该位置上的矩阵元素的大小。通过查看热力图中的其他点，你还可以看到每种关系与数据集中的其他关系之间的比较。颜色是如此直观，因此它为我们提供了一种非常简单的数据解释方式。
2.二位密度图（2D Density Plot）是一维版本密度图的直观扩展，相对于一维版本，其优点是能够看到关于两个变量的概率分布。例如，在下面的二维密度图中，右边的刻度图用颜色表示每个点的概率。我们的数据出现概率最大的地方（也就是数据点最集中的地方）。
3.蜘蛛网图（Spider Plot）：是显示一对多关系的最佳方法之一。换而言之，你可以绘制并查看多个与某个变量或类别相关的变量的值。在蜘蛛网图中，一个变量相对于另一个变量的显著性是清晰而明显的，因为在特定的方向上，覆盖的面积和距离中心的长度变得更大。如果你想看看利用这些变量描述的几个不同类别的对象有何不同，可以将他们并排绘制。
4.树状图（Tree Diagram）：树状图是自然而直观的，这使得他们容易被解释。直接相连的节点关系密切，而具有多个连接的节点则不太相似。
