引言

針對不同的數(shù)據(jù)類型和數(shù)據(jù)任務(wù)，我們應(yīng)該如何選擇合適的數(shù)據(jù)可視化？

本文整理了數(shù)據(jù)可視化的經(jīng)典套路，希望對你有所啟發(fā)。

數(shù)據(jù)分類

首先，我們對數(shù)據(jù)類型進行分析。

基于任務(wù)分類學(xué)的數(shù)據(jù)類型（Data Type By Task Taxonomy, TTT）中將數(shù)據(jù)分為7類，即一維線性數(shù)據(jù)、二維數(shù)據(jù)、三維數(shù)據(jù)、多維數(shù)據(jù)、時間數(shù)據(jù)、樹型數(shù)據(jù)和網(wǎng)狀數(shù)據(jù)¹，這七種數(shù)據(jù)類型所反映的是對現(xiàn)實的抽象。

其中一維數(shù)據(jù)、二維數(shù)據(jù)、三維數(shù)據(jù)、時間數(shù)據(jù)大家都很熟悉，這里不做贅述。

• 多維數(shù)據(jù)： 一般有多個屬性字段，可以表示為高維空間的一個點，然后用三維散點圖進行可視化。

• 樹結(jié)構(gòu)： 一般用來表達層次關(guān)系，是一種常用的非線性數(shù)據(jù)結(jié)構(gòu)。

• 網(wǎng)狀數(shù)據(jù)/圖結(jié)構(gòu)： 一般用來表達連接關(guān)系，也是一種常用的非線性數(shù)據(jù)結(jié)構(gòu)，常用節(jié)點連接圖及連接矩陣進行表示。網(wǎng)狀數(shù)據(jù)（圖結(jié)構(gòu)）常用來表現(xiàn)自然世界和社會關(guān)系中的包含和從屬關(guān)系、組織信息和邏輯承接關(guān)系等。

?? 可視化方法選型

確定數(shù)據(jù)類型之后，根據(jù)常見的數(shù)據(jù)可視化需求，我們可以把可視化目標分為比較、關(guān)系、分布、組合四大類。

下圖總結(jié)了根據(jù)需求分析可采用的統(tǒng)計可視化方法。²

? 可視化之前的數(shù)據(jù)處理

在進行數(shù)據(jù)分析和可視化之前，通常要對復(fù)雜數(shù)據(jù)進行預(yù)處理，常見數(shù)據(jù)處理如下²。

• 合并：將兩個以上的屬性合并成一個屬性或?qū)ο螅ㄓ行Ш喕瘮?shù)據(jù)、改變數(shù)據(jù)尺度。

• 采樣：采樣是統(tǒng)計學(xué)的基本方法，也是對數(shù)據(jù)進行選擇的主要手段，對數(shù)據(jù)的初步探索和最后的數(shù)據(jù)分析環(huán)節(jié)經(jīng)常被采用。

• 降維：維度越高，數(shù)據(jù)集在維度空間的分布越稀疏，從而減弱了數(shù)據(jù)集的密度和距離的定義對數(shù)據(jù)聚類和離群值檢測等操作的影響。將數(shù)據(jù)屬性的維度降低，有助于解決維度災(zāi)難，減少數(shù)據(jù)處理的時間和內(nèi)存消耗，更為有效地可視化數(shù)據(jù)，降低噪聲或消除無關(guān)特征等。

• 特征子集選擇：從數(shù)據(jù)集中選擇部分數(shù)據(jù)屬性值可以消除冗余的特征、與任務(wù)無關(guān)的特征，包括暴力枚舉法、特征重要性選擇、壓縮感知理論的稀疏表達方法。

• 特征生成：特征生成是指在原始數(shù)據(jù)的基礎(chǔ)上構(gòu)建新的能反映數(shù)據(jù)集重要信息的屬性，包括特征抽取、將數(shù)據(jù)應(yīng)用到新空間、基于特征融合與特征變換的特征構(gòu)造。

• 離散化與二值化：將數(shù)據(jù)集根據(jù)分布劃分為若干個子類，形成對數(shù)據(jù)集的離散表達。

• 屬性變換：將某個屬性的所有的可能值一一映射到另一個空間，如指數(shù)變換、取絕對值等。

? 常用可視化代碼（python）

數(shù)據(jù)預(yù)處理完成之后，數(shù)據(jù)可視化既可以自己編程實現(xiàn)，也可以借助現(xiàn)有的可視化工具。

下面整理了雙變量/多變量進行可視化分析的常用代碼，基于matplotlib和seaborn實現(xiàn)。³

數(shù)據(jù)概覽

import pandas as pdimport numpy as npimport seaborn as snsimport matplotlib.pyplot as pltdf=sns.load_dataset("titanic")# 查看前5條數(shù)據(jù)df.head()# 查看數(shù)據(jù)量print(df.shape)# 查看數(shù)值型變量的統(tǒng)計信息，包括數(shù)量、均值、標準差、最大最小值、分位數(shù)df.describe()

相關(guān)性圖

相關(guān)性圖可以反映兩個變量之間的相關(guān)方向，在繪圖中還需要增加相關(guān)系數(shù)，以更直觀地判斷相關(guān)程度。

from scipy.stats import pearsonrsns.jointplot(x="pclass",y="age",data=df,kind="reg",stat_func=pearsonr)

熱力圖

熱力圖通過色塊的顏色、深淺來表示不同變量之間的相關(guān)性。

f=df[["age","fare","sibsp"]].corr()sns.heatmap(f,annot=True)

邊際直方圖

# Import Datadf = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/mpg_ggplot2.csv")# Create Fig and gridspecfig = plt.figure(figsize=(16, 10), dpi= 80)grid = plt.GridSpec(4, 4, hspace=0.5, wspace=0.2)# Define the axesax_main = fig.add_subplot(grid[:-1, :-1])ax_right = fig.add_subplot(grid[:-1, -1], xticklabels=[], yticklabels=[])ax_bottom = fig.add_subplot(grid[-1, 0:-1], xticklabels=[], yticklabels=[])# Scatterplot on main axax_main.scatter("displ", "hwy", s=df.cty*4, c=df.manufacturer.astype("category").cat.codes, alpha=.9, data=df, cmap="tab10", edgecolors="gray", linewidths=.5)# histogram on the rightax_bottom.hist(df.displ, 40, histtype="stepfilled", orientation="vertical", color="deeppink")ax_bottom.invert_yaxis()# histogram in the bottomax_right.hist(df.hwy, 40, histtype="stepfilled", orientation="horizontal", color="deeppink")# Decorationsax_main.set(title="Scatterplot with Histograms /n displ vs hwy", xlabel="displ", ylabel="hwy")ax_main.title.set_fontsize(20)for item in ([ax_main.xaxis.label, ax_main.yaxis.label] + ax_main.get_xticklabels() + ax_main.get_yticklabels()):    item.set_fontsize(14)xlabels = ax_main.get_xticks().tolist()ax_main.set_xticklabels(xlabels)plt.show()

成對圖

# Load Datasetdf = sns.load_dataset("iris")# Plotplt.figure(figsize=(10,8), dpi= 80)sns.pairplot(df, kind="reg", hue="species")plt.show()

密度曲線+直方圖

# Import Datadf = pd.read_csv("https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv")# Draw Plotplt.figure(figsize=(13,10), dpi= 80)sns.distplot(df.loc[df["class"] == "compact", "cty"], color="dodgerblue", label="Compact", hist_kws={"alpha":.7}, kde_kws={"linewidth":3})sns.distplot(df.loc[df["class"] == "suv", "cty"], color="orange", label="SUV", hist_kws={"alpha":.7}, kde_kws={"linewidth":3})sns.distplot(df.loc[df["class"] == "minivan", "cty"], color="g", label="minivan", hist_kws={"alpha":.7}, kde_kws={"linewidth":3})plt.ylim(0, 0.35)# Decorationplt.title("Density Plot of City Mileage by Vehicle Type", fontsize=22)plt.legend()plt.show()

網(wǎng)絡(luò)可視化

樹結(jié)構(gòu)、圖結(jié)構(gòu)的可視化，可以用networkx來實現(xiàn)⁴。

import matplotlib.pyplot as pltimport networkx as nxG = nx.petersen_graph()subax1 = plt.subplot(121)nx.draw(G, with_labels=True, font_weight="bold")subax2 = plt.subplot(122)nx.draw_shell(G, nlist=[range(5, 10), range(5)], with_labels=True, font_weight="bold")

?? 常用可視化工具

除了自己編程實現(xiàn)，我們也可以借助成熟的可視化軟件，快速制作漂亮的圖表。

Microsoft Excel

Office Power Map示例
Microsoft Power Map for Excel可以在三維地球或自定義地圖上繪制地理和時態(tài)數(shù)據(jù)，顯示這些數(shù)據(jù)，并創(chuàng)建可以與其他人分享的視覺瀏覽。

ECharts

https://echarts.apache.org/zh/index.html
國產(chǎn)可視化庫，應(yīng)用廣泛，免費，開源。

Tableau

https://www.tableau.com/
BI領(lǐng)域常用的可視化平臺，全球范圍應(yīng)用很廣的一款商業(yè)軟件。

Visualization Free

https://www.visualizefree.com/
一款免費的可視化工具，可以通過拖放設(shè)計器構(gòu)建交互式可視化。

? 經(jīng)典可視化案例

• 風(fēng)、氣象、海洋狀況的全球地圖：https://earth.nullschool.net/zh-cn/

• 標簽云制作： https://tagul.com/

• 全球最牛的28個大數(shù)據(jù)可視化應(yīng)用案例：http://www.open-open.com/news/view/154a034/

• 地理信息可視化開源庫：http://mapv.baidu.com/

? 小結(jié)

• 本文整理了數(shù)據(jù)可視化分析的整體思路，提供了常用代碼和可視化工具。

• 下次面對數(shù)據(jù)分析任務(wù)，就可以參考可視化方法選型中的思路，根據(jù)你的需求，選擇適當(dāng)?shù)膱D表進行可視化。

• 如果想要更漂亮的展示效果，可以借助成熟的可視化工具。

如果這篇文章對你有用的話，歡迎一鍵三連支持下博主~