箱型图（Box Plot）和热图（Heatmap）是两种常用的数据可视化工具，它们各自有着不同的特点和用途。在写总结和文献时对数据的表达更加直观，本文对这两种图像的绘制进行详解和示例。

箱型图由一组数据的最小值、下四分位数、中位数、上四分位数、最大值等五要素组成，可以清晰地观察到数据的整体分布情况，并且不受异常值的影响，可以以一种相对稳定的方式描述数据的离散分布情况。

热图则是一种通过颜色的变化来展示数据值分布情况的图形，通常用于展示矩阵或二维数组的数据。热图的颜色越深，表示该数据值越大。

箱型图

import numpy as np
import matplotlib.pyplot as plt

# 创建数据
data = np.random.randn(10,8)

# 绘制箱型图
plt.figure(figsize=(10, 10))
plt.boxplot(data)

# 保存图像
plt.savefig('boxplot.jpg')
plt.show()

在这个例子中，我们首先使用NumPy创建一个包含10行8列的随机数据，并将其赋值给变量data。然后，我们使用matplotlib库中的boxplot函数绘制箱型图，并使用savefig函数将图像保存为JPG文件。figsize参数用于设置图像的大小。

热图

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

# 创建数据
data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 创建热图
plt.figure(figsize=(6, 6))
sns.heatmap(data)

# 保存图像
plt.savefig('retu.jpg')
plt.show()

在这个例子中，我们首先使用NumPy创建一个3x3的二维数组，并将其赋值给变量data。然后，我们使用seaborn库中的heatmap函数创建热图，并使用matplotlib库中的savefig函数将图像保存为JPG文件。figsize参数用于设置图像的大小。