数据可视化

总结自《极客时间——数据分析课程》

数据可视化分为以下9种情况：

image.png

一.可视化工具

1.商业智能分析

Tableau、PowerBI、FineBI

2.可视化大屏

DataV、FineReport

3.前端可视化组件

Web渲染技术：Canvas、SVG是html5中主要的2D图形技术，WebGL是3D框架。
可视化组件：Echarts、D3、Three.js、AntV

4.编程语言

Python：matplotlib、Seaborn。

二.Python可视化技术

使用python进行数据分析，需要在开始时进行探索性的数据分析，了解数据。

1.可视化试图的种类

比较：比较数据间各类别的关系，或者是它们随着时间的变化趋势，比如折线图。
联系：查看两个或两个以上变量之间的关系，比如散点图。
构成：每个部分占整体的百分比，或者是随着时间的百分比变化，比如饼图。
分布：关注单个变量，或者多个变量的分布情况，比如直方图。

按照变量的个数，我们可以把可视化视图划分为单变量分析和多变量分析。

（1）散点图

image.png

散点图的英文叫做 scatter plot，它将两个变量的值显示在二维坐标中，非常适合展示两个变量之间的关系。
画散点图，需要使用 plt.scatter(x, y, marker=None) 函数。x、y 是坐
标，marker 代表了标记的符号。比如“x”、“>”或者“o”。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

N = 1000
x = np.random.randn(N)
y = np.random.randn(N)
plt.scatter(x, y, marker='x')
plt.show()

（2）折线图

折线图可以用来表示数据随着时间变化的趋势。
Matplotlib 中，我们可以直接使用 plt.plot() 函数，当然需要提前把数据按照 x 轴的大小进行排序，要不画出来的折线图就无法按照 x 轴递增的顺序展示。

import matplotlib.pyplot as plt

x = [2010, 2011, 2012, 2013, 2014, 2015, 2016]
y = [5, 3, 6, 20, 17, 16, 19]
plt.plot(x, y)
plt.show()

（3）直方图

在 Matplotlib 中，我们使用 plt.hist(x, bins=10) 函数，其中参数 x 是一维数组，bins 代表直方图中的箱子数量，默认是 10。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

a = np.random.randn(100)
s = pd.Series(a)
plt.hist(s)
plt.show()