共计 1738 个字符，预计需要花费 5 分钟才能阅读完成。
作者：韩信子 @ShowMeAI
教程地址：http://www.showmeai.tech/tutorials/33
本文地址：http://www.showmeai.tech/article-detail/149
申明：版权所有，转载请分割平台与作者并注明出处
一、数据可视化介绍
数据可视化是以图示或图形格局示意的数据，以更直观形式了解与剖析数据。
咱们常常听到一个说法“能用图形容的就不必表，能用表就不必文字”，的确咱们在认知上，对于图形的敏感度远比文字高，获取的信息也更丰盛。咱们在互联网企业中更是随处可见各种数据看板，帮忙咱们第 1 工夫理解数据与业务情况。
本篇内容，咱们给大家介绍数据分析中对于可视化的一些外围常识，包含：
- 各类图形及特点
- 不同图形抉择办法
二、各类图形及特点
接下来给大家介绍下数据可视化图表的根本类型和选用准则，选用正确的数据可视化的图表。
2.1 柱形图（Column Chart）
柱形图的局限在于它仅实用于中小规模的数据集，当数据较多时就不易分辨。一般而言，不要超过 10 个。
通常来说，柱形图的横轴是工夫维度，用户习惯性认为存在工夫趋势。如果遇到横轴不是工夫维度的状况，倡议用色彩辨别每根柱子。
2.2 条形图 (Bar Chart)
条形图用来反映分类我的项目之间的比拟，适宜利用于跨类别比拟数据。在咱们须要比拟项类的大小、高下时适宜应用条形图。
2.3 折线图 (Line Chart)
折线图用来反映随工夫变动的趋势。当咱们须要形容事物随工夫维度的变动时经常须要应用该图形。
2.4 曲线图（Curve）
如果关注的是数据反映的整体趋势，曲线图最适宜。
2.5 饼图（Pie Chart）
2.6 直方图（Histogram）
2.7 箱线图（Box Plot）
2.8 散点图（Scatter Chart）
散点图的数据为三维数据，应用两组数据形成多个坐标点，剖析坐标点的散布状况，判断两个变量之间的关联或散布趋势。
2.9 气泡图（Bubble chart）
气泡图是散点图的一种衍生，通过每个点的面积大小来掂量第三维度，适宜三维数据的比照，且须要强调第三维，超过三维就搞不定。
2.10 雷达图（Radar Chart）
雷达图实用于多维数据（四维以上），且每个维度必须能够排序。数据点个别 6 个左右，太多的话分别起来有艰难。
2.11 瀑布图（Waterfall）
瀑布可视化，对于显示局部与整体的关系（尤其是负向关系）时十分有用。
三、不同图形抉择办法
3.1 按利用场景抉择
尽管图表品种繁多，然而基于应用场景大抵能够分为以下几种状况。
3.2 按数据关系抉择
依据可视化专家 Andrew Abela 对该数据关系分类形式的提炼，他提出将图表展现的数据关系分为四类：比拟、散布、形成和分割。上面对这四种关系以及利用举例和对应的可视化解决方案做了简要的剖析。
大部分状况下，咱们依据这份抉择指南按图索骥就能够找到，不便又轻松，在理论利用中，也存在须要展现多种数据关系的状况，那么对应的图表类型也是每种关系对应的根本图形的综合使用。例如多个工夫点上形成的比拟等。
材料与代码下载
本教程系列的代码能够在 ShowMeAI 对应的 github 中下载，可本地 python 环境运行，能迷信上网的宝宝也能够间接借助 google colab 一键运行与交互操作学习哦！
本系列教程波及的速查表能够在以下地址下载获取：
- Pandas 速查表
- NumPy 速查表
- Matplotlib 速查表
- Seaborn 速查表
拓展参考资料
- Pandas 可视化教程
- Seaborn 官网教程
ShowMeAI 相干文章举荐
- 数据分析介绍
- 数据分析思维
- 数据分析的数学根底
- 业务认知与数据初探
- 数据荡涤与预处理
- 业务剖析与数据挖掘
- 数据分析工具地图
- 统计与数据科学计算工具库 Numpy 介绍
- Numpy 与 1 维数组操作
- Numpy 与 2 维数组操作
- Numpy 与高维数组操作
- 数据分析工具库 Pandas 介绍
- 图解 Pandas 外围操作函数大全
- 图解 Pandas 数据变换高级函数
- Pandas 数据分组与操作
- 数据可视化准则与办法
- 基于 Pandas 的数据可视化
- seaborn 工具与数据可视化
ShowMeAI 系列教程举荐
- 图解 Python 编程：从入门到精通系列教程
- 图解数据分析：从入门到精通系列教程
- 图解 AI 数学根底：从入门到精通系列教程
- 图解大数据技术：从入门到精通系列教程
