带大家梳理 matplotlib 、 seaborn 、 plotly 、 pyecharts 的绘图原理，让大家学起来不再那么费劲！
后面随着自己反复的学习，我找到了学习 Python 绘图库的方法，那就是学习它的绘图原理。正所谓：“知己知彼，百战不殆”，学会了原理，剩下的就是熟练的问题了。
绘图原理说明
通过我自己的学习和理解，我将 matplotlib 绘图原理高度总结为如下几步：
① 导库;
② 创建 figure 画布对象;
③ 获取对应位置的 axes 坐标系对象;
④ 调用 axes 对象，进行对应位置的图形绘制;
⑤ 显示图形;
案例说明
# 1.导入相关库
import matplotlib as mpl
import matplotlib.pyplot as plt
# 2.创建figure画布对象
figure = plt.figure()
# 3.获取对应位置的axes坐标系对象
axes1 = figure.add_subplot(2,1,1)
axes2 = figure.add_subplot(2,1,2)
# 4.调用axes对象，进行对应位置的图形绘制
axes1.plot([1,3,5,7],[4,9,6,8])
axes2.plot([1,2,4,5],[8,4,6,2])
# 5.显示图形
figure.show()
seaborn绘图原理
在这四个绘图库里面，只有 matplotlib 和 seaborn 存在一定的联系，其余绘图库之间都没有任何联系，就连绘图原理也都是不一样的。
seaborn 是 matplotlib 的更高级的封装。因此学习 seaborn 之前，首先要知道 matplotlib 的绘图原理。由于 seaborn 是 matplotlib 的更高级的封装，对于 matplotlib 的那些调优参数设置，也都可以在使用 seaborn 绘制图形之后使用。
我们知道，使用 matplotlib 绘图，需要调节大量的绘图参数，需要记忆的东西很多。而 seaborn 基于 matplotlib 做了更高级的封装，使得绘图更加容易，它不需要了解大量的底层参数，就可以绘制出很多比较精致的图形。不仅如此， seaborn 还兼容 numpy 、 pandas 数据结构，在组织数据上起了很大作用，从而更大程度上的帮助我们完成数据可视化。
plotly 是一个基于 javascript 的绘图库， plotly 绘图种类丰富，效果美观；
易于保存与分享 plotly 的绘图结果，并且可以与 Web 无缝集成；
ploty 默认的绘图结果，是一个 HTML 网页文件，通过浏览器可以直接查看；
通过我自己的学习和理解，我将 plotly 绘图原理高度总结为如下几步：
① 绘制图形轨迹，在 ployly 里面叫做 trace ，每一个轨迹是一个 trace 。
② 将轨迹包裹成一个列表，形成一个“轨迹列表”。一个轨迹放在一个列表中，多个轨迹也是放在一个列表中。
③ 创建画布的同时，并将上述的 轨迹列表 ，传入到 Figure() 中。
④ 使用 Layout() 添加其他的绘图参数，完善图形。
⑤ 展示图形。