Python数据可视化

1.1数据分析的流程

	需求分析：数据分析中的需求分析也是数据分析环节的第一步和最重要的步骤之一，决定了后续的分析的方向、方法。
	数据获取：数据是数据分析工作的基础，是指根据需求分析的结果提取，收集数据。
	数据预处理：数据预处理是指对数据进行数据合并，数据清洗，数据变换和数据标准化，数据变换后使得整体数据变得干净整齐，可以直接用于分析建模这一过程的总称。
	分析与建模：分析与建模是指通过对比分析、分组分析、交叉分析、回归分析等分析方法和聚类、分类、关联规则、智能推荐等模型与算法发现数据中的有价值信息，并得出结论的过程。
	模型评价与优化：模型评价是指对已经建立的一个或多个模型，根据其模型的类别，使用不同的指标评价其性能优劣的过程。

部署：部署是指通过了正式应用数据分析结果与结论应用至实际生产系统的过程。
1.2 数据可视化
数据可视化：数据可视化是关于数据视觉表现形式（即一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量）的科学技术研究。它主要是借助图形化手段，清晰有效地传达与沟通信息（即数据的可视化展示），有助于确定需要进一步调查的异常值、差距、趋势和有趣的数据点。有效的可视化可显著减少受众处理信息和获取有价值见解所需的时间，是一个化繁为简的过程。（表达观点、发现联系）

	数据分析是一个探索性的过程，通常从特定的问题开始，而数据分析和数据可视化这两个术语密不可分。在实际处理数据时，数据分析先于可视化输出，而可视化分析又是呈现有效分析结果的一种好方法。

数据：聚焦于解决数据的采集、清理、预处理、分析和挖掘
图形：聚焦于解决对光学图象进行接收、提取信息、加工变换、模式识别及存储显示
可视化：聚焦于解决将数据转换成图形，并进行交互处理
1.3 数据分析与可视化常用工具

1. Microsoft Excel
   Excel是大家熟悉的电子表格软件，已被广泛使用了很多年，如今甚至有很多的数据只能以Excel表格的形式获取到，但是它的局限在于它一次性所能处理的数据量，而且除非通晓VBA这个Excel内置的编程语言，否则针对不同数据集来绘制一张图表将是一件极其繁琐的事。
2. R语言
   R语言是集统计分析与图形显示于一体的用于分析、绘图的语言和操作环境的软件，是属于GNU系统的一个自由、免费、源代码开放的软件，是一个用于统计计算和统计制图的优秀工具。
3. Python语言
   Python是一种动态的、面向对象的、解释型脚本语言，起初被用于编写自动化脚本，后随着版本迭代及功能升级，目前也可以用于单独开发，是一门跨平台的脚本语言（Python规定了一个Python语法规则，实现了Python语法的解释程序就成为了Python的解释器。）Python代码具有简洁性、易读性和易维护性等优点。
4. JavaScript
   JavaScript（缩写为JS）是一种高级的、多范式、解释型的编程语言，是一门基于原型、函数先行的语言，它支持面向对象编程、命令式编程以及函数式编程。它提供语法来操控文本、数组、日期以及正则表达式，不支持I/O（比如网络、存储和图形等），但可以由它的宿主环境提供支持，是一种基于对象和事件驱动并具有相对安全性的客户端脚本语言。
5. PHP
   PHP（“超文本预处理器”）是一种通用开源脚本语言。语法吸收了C语言、Java和Perl的特点，利于学习，使用广泛，主要适用于Web开发领域，但它其中丰富的图形库意味着它可以应用于数据的可视化。