使用可视化的目的就是想从大数据中发现规律，而散点图就是专门做这个的。
散点图号称是最多才多艺的图表，它可以让一大堆令人困惑的散乱数据变得通俗易懂，并能让你从这些庞杂数据中发现一些表面上看不到的关系，更重要的是，数据量对于散点图来说，多多益善，数据量越大，从散点图的分布中越能看出来一些规律。
什么是散点图
在直角坐标系中，用两组数据构成多个坐标点，这些点的分布图就是散点图，根据点的分布及大致趋势，判断两个变量之间是否存在某种关系。
在PowerBI中制作散点图
在编制散点图时，至少要有两组数据，分别放在X轴和Y轴上，下面利用身高和体重的数据，看看在PowerBI中散点图是如何生成的。
创建散点图的时候，如果只是把字段拖进X轴和Y轴，你会发现只出来了一个点，因为这个时候，PowerBI默认把这两个字段的数据进行聚合运算了，所以需要另外一个不含重复值的字段放到“详细信息”中，告诉PowerBI每个数据记录均显示为一个点，不要进行聚合，这个字段可以简单使用行号或索引，如果原始数据没有这个字段，可以回到查询编辑器中添加“索引列”。
刚才制作的这个散点图，只有身高和体重两个变量，根据这些点的分布，明显可以看到二者之间存在正相关的关系，身高越高，体重越重，符合我们的日常认知。
增加一个变量
在这个散点图中，我们还可以增加一个变量，比如把性别考虑进去。把字段[性别]放到“图例”中，
在男性和女性的数据点分布上，存在明显的分布趋势，除了少部分的离散数据点，男性的身高体重数据明显在女性之上，也和常识相符。
添加趋势线
在散点图的分布中发现存在一定的趋势，需要画个趋势线，PowerBI中也可轻松做到，
默认是所有数据点的走向线，在【合并系列】中选择“关”，就出现了分类的数据走向线，在这个散点图中，女性和男性身高体重的变化关系分别画出了走向线：
从这两条走向线还可以发现个很有意思的规律，女性斜率高于男性，同样的体重差，女性的身高增加的更多，表示女性身高对体重更为敏感，也就是说，女人更注重身材，不同的体重就是对应不同的身高；另外一方面也可以认为为男人不注重身材，无论多高，体重都可以是那么重。
当然，如果这些数据中还有年龄、城市等维度的数据，还可以利用散点图发现更多的有趣规律，并且，数据量越多，散点图的分布规律越有意义。
你也可以拿你手头的数据，利用散点图看看这些数据背后有没有什么关系。
最后要注意的是，利用散点图我们可以发现两组数据存在一定的相关关系，但不要因此就认为二者有因果关系，后者更难以证实。实际上，拿任何两组数据，比如最近十年的我的体重和美国GDP两组数据，放在散点图中，同样可能存在正相关或者负相关的关系，但很明显，美国GDP和我一毛钱关系都没有。
网友评论