與 pandas / numpy 結合：真實資料的視覺化

前面七課都用手刻的小資料。真實工作裡，資料幾乎都裝在 pandas DataFrame 或 numpy 陣列裡。這課把 matplotlib 接上它們——也是入門模組的收尾。

這堂課你會學到

• 用 df.plot() 一行畫圖，並理解它底層就是 matplotlib
• 把 pandas 的便利與 matplotlib 的控制力結合
• groupby 彙總後畫圖
• 用 numpy 2D 陣列 + imshow / contourf 畫熱圖與等高線

關鍵橋樑：df.plot(ax=ax)

df.plot() 不是另一套繪圖系統——它底層呼叫的就是 matplotlib，而且回傳一個 Axes。所以可以先用 pandas 快速出圖，再接手用前幾課的 ax.set_xxx() 客製：

fig, ax = plt.subplots()
df.plot(ax=ax, marker="o")        # pandas 畫到我指定的 ax
ax.set_title("...")               # 接手客製，前幾課學的全能用
ax.grid(True, alpha=0.3)

一列一筆的原始資料，先 groupby 彙總再畫：

orders.groupby("category")["amount"].sum().plot.bar(ax=ax)

numpy 2D：熱圖與等高線

二維陣列（影像、相關矩陣、地形、機率密度）用兩種圖：

• imshow — 離散格子，最常見是相關係數矩陣，配 cmap="coolwarm" 與 colorbar
• contourf — 連續場，先用 np.meshgrid 把一維座標展成網格、算出每點 z 值，再畫填色等高線

X, Y = np.meshgrid(xs, ys)
Z = np.exp(-(X**2 + Y**2) / 2)        # 2D 高斯
ax.contourf(X, Y, Z, levels=20, cmap="viridis")

🎓 走完這八課，你的視覺化工具箱完整了——從 figure/axes 心智模型，到動畫，再到接上真實資料。

👉 進 Colab 拿一份真實 CSV（pd.read_csv）動手畫畫看，並挑戰在熱圖格子上用 ax.text() 標出數值。