python数据可视化——如何选择合适的视图

按照需要体现的内容确定合类型的视图。

！！！这个网站很不错，可以看到各种视图的实例介绍，主要知道各种视图适合什么情况：为 热图 选择 函数 - Minitab！！！

python 画图大全： seaborn.objects.Dot — seaborn 0.13.2 documentation

这个可以看一下，找画图代码的时候可以看看：https://www.cnblogs.com/caiyishuai/p/11184166.html相当于怎么绘制视图。

画的时候可以参考下seaborn对于某个绘图方法的官方指导文件

hist  直方图（histogram）

kde 核密度曲线（kernel density estimation, 核密度估计），

scatter 散点图，

reg （regression 回归线相关的图）

简单介绍：

下面的图片来自网络：

再看下两个关于数据可视化的收藏：

自己的一些总结：

3个变量之间的关系：3D视图，也可以用气泡图。

3D散点图：适合分析多变量之间的关系。既为3D，说明是要显示3个变量之间的关系。

首先，3D空间中，只要给出三个坐标值，就能确定一个点。

情形：

比如有下xy坐标，还有一个是误差值，这就相当于有三个变量，可以通过绘制3D散点图来看xy在什么情况下坐标最大，或者可以看到误差(Z轴）的取值和xy坐标有什么关系。

进一步，如果想做的更生动一些，还可以在图出来之后手动地在图上标注更丰富的信息。

总结：三个变量之间的关系：考虑3D散点图或者3D曲面图，还可以用气泡图，气泡大小表示第三个变量的值。

气泡图甚至好像可以显示四个变量，气泡的颜色也算进去。（那这么说3D视图也能显示四个量，用点的颜色表示也行）

比较类：基本上是看数值大小，

• 单纯的比较大小，可以用柱状图或者条形图（当参与比较的种类较多的时候，可以用条形图（就是柱状图旋转过来）
• 还有比较柱状图，也就是蝴蝶图，使用在对于不同比较对象的某两个方面进行比较的情况。

比如有两个参与比较的对象，它们各自有两种相同的属性，就可以用蝴蝶图（对比条形图）进行比较。

边际图（有点像这篇文章python数据分析常用图大集合_python数据分析画图-CSDN博客中说到的二元变量分布）

相当于在画出xy分布的基础上，再图框的边界上单独看一下xy的分布情况

这种图在python中叫搜sns.jointplot

数据的颜色：

注意给数据加上颜色，有的时候就能反映出一些趋势，但是这个样本量要注意是比较大的。

注意，数据的颜色有时候也能作为一个变量进行表示！

气泡图和热力图的侧重点的区别：

气泡图主要是用于显示三个变量之间的关系，而且能够看出一定的趋势。

热力图感觉更多是看一种矩阵数据（有行有列）的分布情况，比如说哪些地方会有较大值，较小的值，而且热力图中的色块大小都是一样大的，更多的是看一种数值的分布情况。而且用于热力图展示的数据应当是规律的，是一些确定的一定会存在的数值，比如：固定的几个城市的在1-6月份的温度情况，或者是固定的三个国家中20-50岁年龄段人群的睡眠时间，就有点类似于矩阵数据，行列有明确的意义。

气泡图主要是用于三个变量的比较，能够看出数据的一些变化趋势的，而且用气泡图表示的数据并不要求一定要存在，只是原始的数据就可以了。

不同样本的数据叠加画在一张图中，调整下透明度，也能反映更多的信息。

如果是做相关性图，用df.corr()可以直接得到数据间的相关性。

这种叫做密度图，纵坐标表示密度