一、XMind 绘图
元素不在多，而在运用，今天我用 Mind 绘图时体会到了这个道理。
领导想买一台 iPhone 手机，但选择太多了，有 iPhone 11，有11 pro，还有 Pro max。其中机身存储又细分为64 g，128g，256 g，512 g，可把领导看花了眼。我想，他可能需要一张全系列的对比图。
根据领导的购买决策要点，这张全系列对比图需要三个维度：型号，存储空间和价格，因此会是一张拥有一个行字段，一个列字段，一个值字段的二维展开表。我决定行字段放型号维度，列字段放存储空间维度，然后值字段放价格。说干就干，本来我是想用PPT来绘图的，不过在在我画草图的时候突然意识到，这种有设计感的数据透视表 Mind 也能做，而且更快。 其中，列字段展开可以用水平时间轴图，行字段展开可以用偏左树状图。
果然可行，我很快就初步完工了。但之后我发现一个问题，就是不同类别的信息没有在视觉上区分开来，导致看起来有点吃力，找不到方向。
这张图和普通的数据透视图有个不同，除了主体信息外还有辅助信息，告诉读者邻近的两款型号价格差了多少，免得读者自己算。这种辅助信息如果和主体信息是一样的展现方式，很容易让人找不到方向。因此我决定把辅助信息简化显示来对比，去掉轮廓线和填充色，这样读者就能一眼掌握本图布局了。
二、pandas 绘图
今天还做了pandas 的绘图。
今天pandas 绘图与前几天的不同的是，今天的图是合成图，包括多张图合并形成的合并图，以及多张图拼接形成的拼接图。
多张图合并为一张图就是将多张图都画在一个画框里，实现办法是把多个plt 语句放在一起运行，这样它们就能出现在一个画框里了。python 会自动把不同plt 语句下的数据认定为不同数据类别，以不同颜色的方式加以区分。相关代码包括：
数据类别图例显示plt.legend()
数据类别图例文字：label
堆积图显示：bottom
文字大小调节：fontsize
四舍五入函数：round()
另一种是多张图拼接为一张图。拼接和合并不同，合并是合并到了一张画框里，拼接的话还是多张画框，只是这些画框都是挨在一起的。Python 中以子画框的概念来完成这种安排。相关代码包括：
指定子画框位置：plt.subplot()
调整整体画框大小：plt.figure(figsize=(12,12)
设定整体画框标题：plt.suptitle()
其中，指定子画框位置函数plt.subplot(x,y,n) 函数的含义比较特殊，x,y 参数的含义为将整体画面划分为x 行，y 列的范围，n 参数代表的含义为，接下来plt 要绘制的图像出现在这个矩阵的第几块地方（从左到右，从上到下）。
此外，值得一提的是，两个plt.subplot(x,y,n) 所划定的x,y 可以不同，但是需要为包含关系。比如，前一个subplot 函数划分的是4行4列的矩阵，后一个subplot 可以划分为2行4列的矩阵。这样一来，在后一个subplot 规范下一个plt 所占据的位置就相当于前一个subplot规范下两个plt所占据的位置。
画框的合并与拼接给了pandas 图形更多的变化形式，以后可以将相关信息都集中到一起，以一种更加集约的方式展现信息。
