还有很多例子是希望在地图上进行可视化的。例如，下面这张图就给出了星 巴克各个门店在世界上的位置的信息。 大厦分店，海口市，46CN rand tore tore wnership itate/Province Country Postcode hone Timezone Longitude Latitud NumberI Name Address Number 47370 censed AD D500 76818720 GMT+1:00 257954 153 42.51 1 Street 22331 212325 Drive ,N GMT+04:00 Asia/Duba 55.47 25.42 Thru 三、数据可视化案例美国人的死因分析 让我们通过一个notebook来了解数据是如何被可视化的。这个notebook在 分析美国人的死因，所使用的数据集是美国疾病控制和预防中心提供的一份有关 从1999年到2015年的死亡人员的信息数据，这些数据当中包含了死亡年龄、 死亡的死因、死亡人员的性别和种族，以及所处的城市等等。我们希望对这些数 据的分析可以回答下面三个问题，第一，美国人最大的死因是什么？第二，男人 是否比女人更容易死亡？死亡与年龄是否相关？第三，随着时间的推移，哪些死 因会变得更加流行，而那些死因变得更加少见了。 在这个notebook中，我们是在学习如何进行数据可视化，我们需要 matplotlib这个库的支持，所以要先加载这个库，然后加载数据数据，可以从指 定URL处下载，下载后把它加载到DataFrame中。我们可以来看一看这些数据， 例如，它的前10行。可以看到，数据集中包含了用中文描述的死因，以及在集 控中心的编号和死亡的人员的年龄、性别、死亡的年份等等信息。还有很多例子是希望在地图上进行可视化的。例如，下面这张图就给出了星 巴克各个门店在世界上的位置的信息。 三、数据可视化案例 I - 美国人的死因分析 让我们通过一个 瀁瀂teb瀂瀂濾 来了解数据是如何被可视化的。这个 瀁瀂teb瀂瀂濾 在 分析美国人的死因，所使用的数据集是美国疾病控制和预防中心提供的一份有关 从 1999 年到 2015 年的死亡人员的信息数据，这些数据当中包含了死亡年龄、 死亡的死因、死亡人员的性别和种族，以及所处的城市等等。我们希望对这些数 据的分析可以回答下面三个问题，第一，美国人最大的死因是什么？第二，男人 是否比女人更容易死亡？死亡与年龄是否相关？第三，随着时间的推移，哪些死 因会变得更加流行，而那些死因变得更加少见了。 在这个 瀁瀂teb瀂瀂濾 中，我们是在学习如何进行数据可视化，我们需要 瀀at瀃濿瀂t濿ib 这个库的支持，所以要先加载这个库，然后加载数据数据，可以从指 定 URL 处下载，下载后把它加载到 DataFra瀀e 中。我们可以来看一看这些数据， 例如，它的前 10 行。可以看到，数据集中包含了用中文描述的死因，以及在集 控中心的编号和死亡的人员的年龄、性别、死亡的年份等等信息