数据可视化基础之实验五：关系数据的可视化

一、实验目的

1.掌握关系数据在大数据中的应用
2.掌握关系数据可视化方法
3. python 程序实现图表

二、实验原理

在传统的观念里面，一般都是致力于寻找一切事情发生的背后的原因。现在要做的是尝试着探索事物的相关关系，而不再关注难以捉摸的因果关系。这种相关性往往不能告诉读者事物为何产生，但是会给读者一个事物正在发生的提醒。关系数据很容易通过数据进行验证的，也可以通过图表呈现，然后引导读者进行更加深入的研究和探讨。分析数据的时候，可以从整体进行观察，或者关注下数据的分布。数据间是否存在重叠是否毫不相干？也可以更宽的角度观察各个分布数据的相关关系。其实最重要的一点，就是数据进行可视化后，呈现眼前的图表，它的意义何在。是否给出读者想要的信息还是结果让读者大吃一惊？
就关系数据中的关联性，分布性。进行可视化，有散点图，直方图，密度分布曲线，气泡图，散点矩阵图等等。本次试验主要是直方图,密度图,散点图。直方图是反应数据的密集程度，是数据分布范围的描述，与茎叶图类似，但是不会具体到某一个值，是一个整体分布的描述。密度图可以了解到数据分布的密度情况。密度图可以了解到数据分布的密度情况。散点图将序列显示为一组点。值由点在图表中的位置表示。散点图
通常用于比较跨类别的聚合数据。

三、实验环境

OS：win11
python：v3.11

四、实验步骤

1.安装seaborn库

Seaborn 是一个基于 Matplotlib 的高级数据可视化库，专门用于创建统计图形。它提供了简洁的 API 和美观的默认样式，能够轻松生成复杂的统计图表。Seaborn 的主要功能包括：
1.高级统计图表接口：内置聚合、分布拟合、误差线计算等功能，无需手动处理数据。
2.美观的默认主题：提供多种内置主题，如 darkgrid、whitegrid 等，一键切换。
3.多变量关系可视化：支持矩阵图、分面网格等复杂关系展示。
4.分类数据可视化：直接处理分类变量，自动对齐坐标轴标签。
5.颜色调色板管理：内置专业调色板，支持连续/离散数据配色。
Seaborn 的绘图函数操作于 Pandas 数据框和 Numpy 数组，能够自动执行语义映射和统计聚合，生成信息丰富的绘图。它特别适合快速探索数据分布和关系，而 Matplotlib 更适合需要像素级控制的复杂可视化任务。
安装指令如下：

pip install seaborn

2.使用seaborn绘制图形

我们使用seaborn模块中的jointplot方法将散点图，密度分布图和直方图合为一体，数据选取murder列及burglary列，探究两种犯罪类型的相关关系。
实现代码如下：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_csv('crimeRatesByState2005.csv')

# 只选取'murder'和'burglary'两列，确保是数值型
data = df[['murder', 'burglary']].apply(pd.to_numeric, errors='coerce')
data = data.dropna()

# 创建 jointplot 图，带回归线
sns.jointplot(
    data=data,
    x='murder',
    y='burglary',
    kind='reg',             # 加回归线
    color='green',          # 设置为绿色
    marginal_kws=dict(bins=20, fill=True)  # 边缘直方图参数
)

# 显示图形
plt.show()

绘制的结果如图所示：

结果分析：
根据绘制的散点图与回归线分析结果，可以看出谋杀率（murder）与入室盗窃率（burglary）之间存在一定的正相关关系，即谋杀率较高的地区，通常入室盗窃率也相对较高。然而，从散点分布较为分散、回归线较为平缓的情况来看，两者之间的相关性较弱，推测皮尔逊相关系数可能在0.2到0.4之间。因此，虽然谋杀率和入室盗窃率之间存在一定联系，但并不足以单独通过谋杀率准确预测入室盗窃率，两种犯罪类型的关联性受多种社会因素共同影响。

3.绘制动态散点图

实现代码如下：

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Scatter, Timeline

# 读取数据
df = pd.read_csv('crimeRatesByState2005.csv')

# 选取 'murder' 和 'burglary' 列，清洗数据
data = df[['murder', 'burglary']].apply(pd.to_numeric, errors='coerce')
data = data.dropna()

# 创建一个 Timeline 实例
timeline = Timeline()

# 动态添加数据到 Timeline
for frame in range(1, len(data) + 1):
    current_data = data.iloc[:frame]

    # 构建散点图
    scatter = (
        Scatter()
        .add_xaxis(current_data['murder'].tolist())
        .add_yaxis("Burglary", current_data['burglary'].tolist())
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Dynamic Scatter Plot of Murder vs Burglary"),
            xaxis_opts=opts.AxisOpts(name="Murder Rate"),
            yaxis_opts=opts.AxisOpts(name="Burglary Rate"),
            tooltip_opts=opts.TooltipOpts(trigger="item")
        )
    )

    # 将该帧添加到时间轴
    timeline.add(scatter, f"Frame {frame}")

# 渲染图表到 HTML 文件
timeline.render("dynamic_scatter_plot.html")

绘制结果如图：

4.绘制矩阵图

我们使用矩阵图表示数据集中七种犯罪类型之间的相关关系，并剔除UnitedStates和DistrictofColumbia两行表示均值和异常的数据。
实现代码如下：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 加载CSV数据文件
crime_data = pd.read_csv('crimeRatesByState2005.csv')

# 剔除United States和District of Columbia两行
crime_data_filtered = crime_data[(crime_data['state'] != 'United States') & (crime_data['state'] != 'District of Columbia')]

# 选择包含犯罪类型的列
crime_columns = ['murder', 'forcible_rape', 'robbery', 'aggravated_assault', 'burglary', 'larceny_theft', 'motor_vehicle_theft']

# 提取相关的犯罪数据
crime_data_selected = crime_data_filtered[crime_columns]

# 创建散点图矩阵
sns.pairplot(crime_data_selected)

# 设置标题
plt.suptitle('七种犯罪类型之间的关系', y=1.02)

# 显示图表
plt.show()

结果如图所示：

5.热力图加密度分布图

实现代码如下：

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
# 设置中文字体（解决中文显示问题）
plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用黑体
plt.rcParams['axes.unicode_minus'] = False
# 加载CSV数据文件
crime_data = pd.read_csv('crimeRatesByState2005.csv')

# 剔除United States和District of Columbia两行
crime_data_filtered = crime_data[(crime_data['state'] != 'United States') & (crime_data['state'] != 'District of Columbia')]

# 选择犯罪类型列
crime_columns = ['murder', 'forcible_rape', 'robbery', 'aggravated_assault', 'burglary', 'larceny_theft', 'motor_vehicle_theft']

# 提取相关的犯罪数据
crime_data_selected = crime_data_filtered[crime_columns]

# 使用jointplot绘制变量间的密度和散点图
sns.jointplot(x='murder', y='burglary', data=crime_data_selected, kind='hex')

# 设置标题
plt.suptitle('谋杀与入室盗窃之间的关系（密度图）', y=1.02)

# 显示图表
plt.show()

运行结果如图：

五、实验心得

通过本次实验，我深入理解了关系数据在大数据中的应用，关系数据能够清晰地表示实体之间的关联，为数据挖掘和分析提供了有力支持，在处理复杂数据关系时优势明显。同时，我掌握了多种关系数据可视化方法，如使用节点和边的图结构直观展示数据关系，借助不同颜色、大小和形状增强可视化效果，这些方法帮助我更高效地从大量数据中提取有价值信息。