python 数据分析——可视化基础：如何选择可视化图形

线型图（line）

线型图可以用来表示具有相关性的两个变量的关系，表示一个变量随另一个变量（比如：时间）变化的情况。

注：Pandas 中的 Series 和 Dataframe 都是默认生成的这种图形（使用plot函数）。

柱状图（bar）

柱状图/条形图适合用于少数类别（<10）的分类数据的可视化，用来反映不同类别数据之间的差异。

直方图（histogram）

直方图可以展现数据点的分布情况，是一种可以对值频率进行离散化显示的柱状图。

与此相关的一种图表类型是密度图，它是通过计算“可能会产生观测数据的连续概率分布的估计”而产生的。密度图也被称为 KDE（Kernel Density Estimate，核密度估计）图。

注：直方图和柱状图的区别

• 柱状图用于分类数据变量，一般条形呈分开排列；直方图用于数值变量，通常是连续排列（直方图的X轴代表将定量变量的数据划分为若干等宽度的区间）
• 条形图是用条形的长度表示各类别频数的多少，其宽度(表示类别)则是固定的；直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其高度与宽度均有意义。

箱线图（box）

箱线图可以展现出比直方图更详细的数据分布情况，其可以用来显示一组数据的中位数，四分位数，和异常值，是一个有用的可视化类型。

箱型的上下两条边分别表示四分之一和四分之三分位点，箱内的线表示中值，虚线条上的条线从盒中伸出以显示数据的范围。

散点图(scatter)

散点图可以直观地展现原始点的分布和两个变量间的关系，是用来观察两个一维数据序列之间的关系的有效手段。
当然，可以有多个变量同时与其中一个变量同时进行观察。