根据前期收集数据生成两张不同类型的图。图中包含多个数据对象、每个数据对象有多个属性，不同属性值用不同颜色区分，每个数据有标签。每张图要有中文标题，英文字体为 Times New Roman ，图片大小为高8cm、宽10cm，分辨率为500dpi。使用具体的例子

首先，为了生成这样的图形，我们可以使用Python的数据可视化库如matplotlib或seaborn。假设我们已经有了一组名为data的对象，每个对象都有多个属性，比如属性A、B和C，并且我们想根据属性A和B的不同取值范围绘制两个不同类型的图。

**例子一：散点图**

import matplotlib.pyplot as plt
import numpy as np

# 假设data是一个列表，每个元素包含三个属性（A, B, C）
data = ... # 实际上需要填充实际数据

fig, axs = plt.subplots(1, 2, figsize=(10, 8), dpi=500)
fig.suptitle('不同属性值的散点图', fontsize='xx-large', fontproperties='Times New Roman')

# 散点图展示A和B的关系
axs[0].scatter(data['A'], data['B'], c=data['C'], cmap='viridis')
axs[0].set_title('基于属性A和B的颜色分布', fontproperties='Times New Roman')

# 第二个图可以是柱状图或箱线图展示C的频数分布
axs[1].bar(data['A'].unique(), data.groupby('A')['C'].value_counts())
axs[1].set_title('按属性A划分的C分布', fontproperties='Times New Roman')

plt.show()

**例子二：热力图**

import seaborn as sns

# 假设data是二维数组，表示A和B的组合
heatmap_data = ... # 实际上需要填充实际数据

sns.heatmap(heatmap_data, annot=True, cmap='coolwarm', xticklabels=data['A'].unique(), yticklabels=data['B'].unique(),
            ax=axs[1], cbar_kws={'label': '属性C'}, fontproperties='Times New Roman')
axs[1].set_title('属性A和B之间的关联矩阵', fontproperties='Times New Roman')

plt.tight_layout()
plt.show()

以上代码展示了如何根据给定的数据生成两种图表。请根据实际数据替换`...`部分，并确保数据格式符合上述描述。完成后，你会得到两张分别满足需求的图形。