在Linux環境下，使用Jupyter Notebook（ipynb文件）進行數據可視化，可以借助多種Python庫來實現。以下是一些常用的數據可視化庫及其在Jupyter Notebook中的使用方法：

1. Matplotlib：

   • Matplotlib是Python中最常用的繪圖庫之一，支持各種繪圖類型，包括散點圖、線圖、柱狀圖等。
   • 在Jupyter Notebook中，只需先導入Matplotlib的pyplot模塊，然后使用相應的繪圖函數即可。
   • 示例代碼：

     import matplotlib.pyplot as plt
     
     # 示例數據
     x = [1, 2, 3, 4, 5]
     y = [2, 4, 6, 8, 10]
     
     # 繪制散點圖
     plt.scatter(x, y)
     plt.xlabel('X軸')
     plt.ylabel('Y軸')
     plt.title('散點圖示例')
     plt.show()
     

2. Seaborn：

   • Seaborn是基于Matplotlib的統計數據可視化庫，提供了更高級的界面和更美觀的默認主題。
   • 在Jupyter Notebook中，同樣需要先導入Seaborn庫，然后使用其提供的函數進行繪圖。
   • 示例代碼：

     import seaborn as sns
     
     # 示例數據
     tips = sns.load_dataset('tips')
     
     # 繪制箱線圖
     sns.boxplot(x='day', y='total_bill', data=tips)
     plt.show()
     

3. Plotly：

   • Plotly是一個交互式的圖表庫，支持多種圖表類型，并提供了豐富的定制選項。
   • 在Jupyter Notebook中，可以使用Plotly的Python API來創建和顯示交互式圖表。
   • 示例代碼：

     import plotly.express as px
     
     # 示例數據
     df = px.data.iris()
     
     # 繪制散點圖矩陣
     fig = px.scatter_matrix(df, dimensions=['sepal_width', 'sepal_length', 'petal_width', 'petal_length'], color='species')
     fig.show()
     

4. Bokeh：

   • Bokeh也是一個交互式的圖表庫，支持多種圖表類型和復雜的交互功能。
   • 在Jupyter Notebook中，可以使用Bokeh來創建動態和交互式的圖表。
   • 示例代碼：

     from bokeh.plotting import figure, show
     from bokeh.models import ColumnDataSource
     
     # 示例數據
     data = ColumnDataSource(data=dict(x=[1, 2, 3, 4, 5], y=[2, 4, 6, 8, 10]))
     
     # 繪制散點圖
     p = figure(title="Simple Line Plot", x_axis_label='x', y_axis_label='y')
     p.line('x', 'y', source=data)
     show(p)
     

這些庫都提供了豐富的繪圖功能和定制選項，可以根據具體需求選擇合適的庫進行數據可視化。在Jupyter Notebook中使用這些庫時，建議將繪圖代碼放在單獨的單元格中運行，以便更好地展示和調試圖表。