DataWhale 动手学数据分析 Task04 数据可视化

本章要点

1. Python中数据可视化的一般步骤
   1. 导入numpy，pandas，matplotlib：其中numpy提供承载数据的底层数据结构，pandas负责处理数据，matplotlib负责最后的可视化输出。
   2. 利用pandas中的函数，完成对数据的处理。
   3. 利用matplotlib中的函数，根据需求输出图表。
2. 数据可视化的意义
   1. 让数据变得直观易懂。
   2. 合适的数据可视化能帮助发现数据的模式或是趋势。

个人思考

1. 常见的可视化图案：
   1. 条形图：比较不同类别的数值大小。
   2. 折线图：展示数值变化的趋势。
   3. 饼图：展示各部分的比例关系。
   4. 散点图：展示两个变量的相互关系。
   5. 直方图：展示数据分布频率。
   6. 热力图：矩阵数据可视化。
   7. 雷达图：多维评价比较。
   8. ……
2. 数据可视化的一些指导思想
   1. 目标明确：明确需要传达的信息，和传播需要达成的目标。从而选择正确的图案。
   2. 理解受众：根据受众的知识背景和对数据的熟悉程度，有针对性的调整图案的复杂程度和强调重点。
   3. 清晰明确：避免过度的装饰和无用的信息。
   4. 色彩与图形：通过必要的色彩，形状与大小差异来引导受众的注意力。
   5. 提供上下文：标题，注释，图例等应该提供足够的上下文信息帮助受众理解图案。
3. 后续的尝试
   1. 可以通过iPythonNotebook做一些简单的可互动图案，利用可交互性增进受众的体验。同时通过互动的数据探索，也能帮助受众发掘更多的信息。