数据可视化第4周

最新推荐文章于 2024-03-11 13:15:00 发布

rungedu

最新推荐文章于 2024-03-11 13:15:00 发布

阅读量493

点赞数

分类专栏：数据分析 python 文章标签： python 可视化

本文链接：https://blog.csdn.net/long636/article/details/103450252

版权

python 同时被 2 个专栏收录

23 篇文章 0 订阅

订阅专栏

数据分析

21 篇文章 0 订阅

订阅专栏

数据可视化第4周

数据可视化数据关系的表示：（本为引自数据科学家联盟公众号，主要是数据可视化小组自己做的笔记，如引用请联系微信公众号：数据科学家联盟）

对进度、关系、地理信息进行可视化

一、三类数据

区间型数据

区间型数据一般分为两种：

👨‍🎤数据本身就是比例数据，一般以XX率的形式出现，用来指示某项指标的达成情况

👨‍🎤数据本身是数值型数据，但是根据业务需要会对数据进行区间段划分，并和一些定性指标进行对比

（1）条形进度图

通常用来表示进度情况。

通常在不同进度区间可以用不同颜色进行标注，以此来表达视觉上区分效果。

（另参考：https://ww2.mathworks.cn/help/matlab/creating_plots/types-of-bar-graphs.html 二维条形图/堆叠条形图/二维水平条形图/三维条形图/三维堆叠条形图/三维水平条形图/）

（2）仪表盘

仪表盘，由表盘刻度/指针/指针所在角度三者构成，能够直观的展示某项指标的进度。

（3）环形进度图

环形进度图，既可以表示比例型的数据以外，还可以表示数值型的数据，并将其和特定的指标相关联，可看成是仪表盘和条形进度图的结合体。（环形进度图没有指针）
关系型数据

数据间包含关系：韦恩图

数据间层级关系：漏斗图&矩形树图

数据之间的分流关系：桑基图

数据之间的联结关系：节点关系图

（1）韦恩图

韦恩图表示集合之间关系，展示数据集之间包含关系的绝佳方式，通过面积的大小来映射集合元素的个数，重叠部分的面积代表多个数据集重合元素的个数。

例如：购买啤酒的用户和购买尿布的用户有多少是重合的等。

（2）漏斗图

漏斗图适合作为具有层级关系的数据可视化，且具有流程性，先后关系步骤的数据，且一般是用力啊描述单变量在不同环节的变化情况。

如用户浏览后转化为客户的，或者电商网站浏览商品/加入购物车/提交订单/支付订单/交易成功。整体转化率如下图16.86%

通过纵向对比各个环节的用户转化率和流失情况，可以发现业务流程中各环节存在的问题，从而采取相应的措施来改进。（横纵向）

（3）矩形树图

树状结构层级关系数据的可视化，通过面积来映射数据大小或者数据占比，通过颜色来区分类别。当矩形数图有多级结构时，通常需要一些来辅助数据细节的展示，如鼠标悬停显示实际数或占比/单击某类别区域进入该类比细分视图或者返回上一级。

（4）桑基图

桑基图，是一种描述数据分流关系的可视化图标方案，直观展示数据流动。主要由边/流量和支点组成，其中边代表了流动的数据，流量代表了流动数据的具体数值，节点代表了不同分类。边的宽度与流量成比例地显示，边越宽，数值越大。

桑基图有一个重要的特点是保持能量守恒，所有主分支的高度总和=所有分出去的分支高度之和。它主要用于分析能源的用途流向和行业损耗/工业生产材料的成分构成，金融领域的资金流向，分析用户在网站或APP上行为路径和分流情况，比如分析家庭收入来源和支出流向，人口迁移等。

（5）节点关系图

节点关系图，常用来表示两个或多个对象之间的关系。它主要包括：节点/联系/方向：

🔽节点，表示一个对象，常用圆形/方形等形状来表示，有时还会再节点内显示对象图片等信息；

🔽联系，如果两个节点之间有联系，则使用线段链接，线段有关系说明

🔽方向，节点之间联系的方向性，使用线段的箭头来表示联系的单向或双向

常用的场景有：剧集中人物关系的可视化/个人的社交网络拓扑等。
地理型数据

地理可视化空间维度：二维地图和三维地图

二维地图：区域地图、道路地图、室内地图（高德、百度、腾讯）

三维地图：全景地图

（1）地图+散点图/气泡图/热力图

地图+散点图：数据的地理属性确定散点位置，数据大小则通过三点颜色体现

地图+气泡图：数据地理属性确定气泡位置，数据大小则通过气泡的面积来体现。

地图+热力图：数据的地理属性确定热力色块位置和面积，但不代表其他含义，数据大小则通过热力颜色的深浅来体现，通常会以色带来映射颜色的取值范围和大小关系

（2）地图+线图

地图+线图通常用于表示数据的流入与流出：地理信息1+地理信息2+数值

场景：人口迁移，数据流量，交通工具航线的繁忙程度和流向，包裹基础和收货量。

（3）地图+饼图

既要显示不同地理区域某一指标的数据总量，同时又要显示各地区某一指标总量的各构成部分占比，可以使用地图+饼图结合的方式来进行可视化。

二、实践

1.场景1：比较公司4个部门再2019年的年度销售额完成率

部门	截止当前累计销售额	2019年年度销售额目标（元）	销售额完成率
A部门	10,478,738.00	10,000,000.00	104.79%
B部门	7,646,353.00	8,000,000.00	95.58%
C部门	7,000,000.00	7,500,000.00	93.33%
D部门	5,000,000.00	7,000,000.00	71.43%

老总要比较这4个部门，再2019年年度销售额完成率，请问用什么图？

分析：首先这属于是进度型类数据，有目标有当前值，还有销售额完率，可以用条形图+折线图表示，条形图展示销售目标与累计销售额，折线图表示百分比。
在这里插入图片描述
调正次坐标y的区间范围设置为[0,1.2]，因为次坐标y在[0.7,1]展示其变化趋势太大，故调整范围。

#coding=utf-8
import  pandas  as  pd
import numpy  as  np
import  matplotlib.pyplot  as plt
plt.rcParams['font.sans-serif'] = ['SimHei']

df  =  pd.read_excel(r'd://excel/ksjweek4_ds.xlsx',sheet_name=1)
print(df[['部门','2019年年度销售额目标（元）','截止当前累计销售额']])

df2 = df[['部门','2019年年度销售额目标（元）','截止当前累计销售额']]
df2.index=df['部门']

ax1 = df2.plot(kind='bar')
ax2 = ax1.twinx()
ax2.plot(df.index,df['销售额完成率'],'r-')
plt.ylim(0,1.2)  
plt.show()

2.问题2一公司组织架构下的人员数量

一级部门	二级部门	人数
A部门	A1小组	40
A部门	A2小组	32
A部门	A3小组	25
A部门	A4小组	8
B部门	B1小组	25
B部门	B2小组	24
B部门	B3小组	8
B部门	B4小组	5
C部门	C1小组	23
C部门	C2小组	14
C部门	C3小组	6
C部门	C4小组	3

请问，现需要在一个图表中展示公司人员构成分布，请问用什么图表展示？

分析：ABC三个部门，每个部门有若干个小组，想到可以用矩形树图展示，但是要求用一个图，如果用矩形树图，ABC三个一个图，小组相当于下钻到第二个图，这样就不是一张图（个人觉得在矩形树图中再嵌套实现矩形树图）；因此需要通过另外一种形式…韦恩图…
在这里插入图片描述

#coding=utf-8

import  pandas  as  pd
import numpy  as  np
import  matplotlib.pyplot  as plt
import squarify

plt.rcParams['font.sans-serif'] = ['SimHei']

df  =  pd.read_excel(r'd://excel/ksjweek4_ds.xlsx',sheet_name=2)
print(df)
lab = ['A1','A2','A3','B1','B2','B3']
data = [23,14,17,28,39,10]
colors= ['steelblue','#9999ff','red','indianred','deepskyblue','lime']


plot = squarify.plot(sizes=df['人数'],label=df['二级部门'],alpha=0.6,value=df['人数'],edgecolor='white',linewidth=3)
#plot = squarify.plot(sizes=data,label=lab,color=colors,alpha=1,value=data,edgecolor='white',linewidth=3)

plt.axis('off')
plt.tick_params(top='off',right='off')
plt.show()