一、整体介绍
背景：有时候有些事情，我们无法用言语清晰的表达，我们可以通过图表
学习内容：
1、用哪些图表达哪些数据（如何选择绘图类型）
2、如何诠释一些常见类型的绘图
3、有哪些最佳实践
三种获得数据洞察的方法
①计算并汇总统计信息
描述性统计：均值、中值、标准差(用来查看数据的波动和离散程度)
②跑模型
线性回归、逻辑回归
③绘制图表
直方图、散点图、折线图
数据集：一组由行和列组成的数据
分辨数据类型
①连续的
高度、温度、收入
②分类的
国家、年份、行业
③两者皆是
时间是连续的，月份是分类的
年龄是连续的，但对年龄分组是分类的
二、可视化图类型
1、 直方图：
使用场景：
数据是单一的连续变量，展示数据分布情况
image.png
说明：任职0到5年的帝王250人左右
和柱状图对比：柱状图是比较每个类别的高低、大小
image.png
说明：任职一年的帝王11人左右
image.png
说明：通过调整bin，可设置直方图分布区间
image.png
说明：例如我们上面帝王寿命的例子就是单峰
image.png
说明：通常根据离群值（零散的，比较少的数据，离群的）的分布，确定左偏还是右偏
image.png
说明：比如我们上面的帝王例子就属于低峰
2、箱形图
使用场景：
①当拥有连续的变量，并且连续的变量被分类变量所分割的时候
②当需要对连续变量在不同分类区间进行数据分布的比较的时候
image.png
中值：
✭在两个箱体的中心线位置，是整体数据分布的中值（median）是 40.5。
✭也就是说，有一半的皇帝的寿命小于这个数字，有另外一半的皇帝的寿命大于这个数字。
下四分位，上四分位：
✭绘图中有两个箱体，也就是两个长方形的框框，他们从左到右，依次代表了下四分位数，和上四分位数。
✭下四分位数（Lower Quartile），是指有四分之一的数值低于它。也就是说，四分之一的皇帝的寿命低于 27.0 岁，四分之三的皇帝的寿命大于 27.0 岁。
✭同样，上四分位数（Upper Quartile）是四分之三的皇帝的寿命低于 54.0 岁，四分之一的皇帝的寿命大于 54.0 岁。
✭高四分位和第四分位数之间的差值，称为四分位数间距（Inter-Quartile Range）。
箱须：
✭水平的线段成为“箱须（Whisker）”，其定义略微有些复杂。
✭每个箱体首先沿着各自的方向，延长 1.5 倍于“四分位数间距”，但是它们延长至最远不超过实际最远的数据点。
✭也就是说，如果向左的箱须超过了最左面的点，那么只延长到最左面的点。同样，如果向右的箱须超过了最右面的点，那么只延长到最右面的点。
3、散点图
使用场景:
①包含两个连续变量
②查看两个变量之间的关系
相关性：能够将点在多大程度上拟合成一条直线
image.png
image.png
4、线形图
使用场景：
①拥有两个连续型的变量
②表达两个变量之间的关系
③数据集的获取和观测是连续的，是通过某种方式连接起来的（比如x轴是日期或者时间）
好处：能看到多条线之间的比较（对比）
image.png
趋势线
image.png
说明：蓝色线是趋势线，可以看到5月份我国的疫情基本已经 遏制住了，趋于平稳
image.png
说明：可以看到其他国家3月份中旬疫情呈指数增长
5、柱形图
使用场景：
①拥有一个分类变量
②需要对每个分类进行计数或百分比
6、点图
使用场景：
①拥有一个分类型的变量
②希望在对数坐标，显示每个类别的数值
②希望在每个类别上显示多个值
image.png
说明：柱形图和点图有点类似，柱形图我们能看出起点和终点值，从点图中只能看到最大值。有时点图在对数坐标上表示更清晰，如下：
image.png
三、颜色和形状
image.png
常用的三种场景下，该如何选择颜色
①定性的：区分未被排序的类别
image.png
说明：不同类别产品在不同年份的技术采纳度
②顺序的：显示排序的信息
image.png
说明：每年不同儿童年龄的蔬菜的摄入量
③发散的：显示高于或者低于的某个中间点
image.png
说明：用户对问题选择每个观点（最多）的情况
网友评论