数据处理之图形绘制

统计图最常用的就几种：饼图、柱状图、条形图、直方图、折线图 、散点图、箱线图等。好的图形能够让读者一样就能看出数据的规律和特点，其传递给读者的信息是准确和有效的，准确是指我们不能随意绘制图形，因为每个统计图适用的数据是有限制的；有效是指图形传递出来的信息和你得到的结论是吻合的；这是一个图形要满足的最基本两点。
另外，要评价一个图形是否画的好，主要看其是否简洁和美观，我们绘制出来的图表包含的信息一定要清晰明显，不能花里胡哨，另外一定要注意图形的配色。

1.饼图

使用场景：

1. 只有一个数据系列（单分类数据）。

2. 任何数据值都不为零或小于零。

3. 类别不超过七个。因为七个以上的扇区会使图表难以阅读。

4. 划分的类别最好是完整的，一般不完整时可以加其他。
   
   
   从完整的四个季度的饼图到排好序后的饼图都是简单易懂的。

5. 类别过多可用复合饼图时，千万别硬要画一个完整饼图。

6. 类别只有两个时就不用画图了，没多大必要。
   
   注意：不用在图中加入标题，我们一般在论文的正文中加入（表上图下）。
   另外，画出来的图一定要有分析，要告诉读者你画图的目的是什么。

2.柱状图

柱状图常常用于展示多个分类（单个分类也可以）的数据变化和同类别各变量之间的比较情况。堆积柱状图可用于比较同类别各变量和不同类别变量总和差异；百分比堆积柱状图适合展示同类别的每个变量的比例。

可以切换行和列对于多图。
柱状图相比于饼图更加适合再数据量多且有分类的时候，就很容易看出数据的特征。

同时还可以用柱状图来有效显示信息

用红色和黑色区分是否显著，用上下区分正负。
若对自变量进行了标准化，那么柱子的高度，也就是系数的估计值有可比性，可以直观地区分出自变量对因变量的影响大小。

3.条形图（横过来的柱状图）

类别数过多时，如果要加入数据标签，那么使用条形图比较合适柱状图的数看起来有点拥挤。

同时再对数据进行一定排序，结果就比较直观和好看。

还可以采用一定的技巧绘制双向条形图，可视化的效果很好。
主要是用在两类数据的对比，比如男女年龄段数据。

那么这么好看的图是怎么画出来的呢？
1.处理数据，做出辅助列

2.数据处理和绘图
这个时候直接插入图形就可以得到两边分布的情况，但这远远不够，还需再进行坐标轴设置，把左边的坐标轴也设置为正数，然后再调节颜色和间距就可以了。

4.直方图

直方图是显示数据频数或频率的柱状图。
其中横坐标通过一定组距范围显示，我们可以通过一些调试来找到最佳的效果。

而对于频率直方图的绘制会更加麻烦
需要我们从频数转变到频率。可以利用数据分析工具来进行操作，这里不过多介绍。

区分直方图和柱状图
直方图和柱状图最让人迷惑的地方，就是它们长得非常相似。实际上，直方图和柱状图无论是在图表意义、适用数据上，还是图表绘制上，都有很大的不同。
1.直方图展示数据的分布，柱状图比较数据的大小。
2.直方图X轴为定量数据，柱状图X轴为分类数据。
3.直方图y轴要么为数据的频数，要么为数据的频率，柱状图y轴为数据

4.折线图

如果数据是时间序列数据（如日、月、季度或年度数据），则应该考虑使用折线图，尤其是时间跨度长且存在多个时间序列时，更应该使用折线图 。（折线图也经常被称为时间序列图，或简称为时序图）
当然，时间序列期数较少时，也可以考虑使用柱状图哦。

对比之下还是折线图清楚一点。
还可以画双坐标折线图
同时，在折线图中存在一些问题，可能把作为横坐标的年份变成了数据，自动生成了数据，这个时候的处理方法可以是把数据变成文本再绘图。

同时，还可以绘制一种厉害的折线图。

绘制方法就是可以数据按一列，中间加入空格就可以得到结果
插入两组一样的数据，用一组数据做折线图，一组做面积图。

6.散点图

散点图也叫 X-Y 图，它将所有的数据以点的形式展现在直角坐标系上，以显示变量之间的相互影响程度，点的位置由变量的
数值决定。
通过观察散点图上数据点的分布情况，我们可以推断出变量间的相关性。如果变量之间不存在相互关系，那么在散点图上就会表现为随机分布的离散的点，如果存在某种相关性，那么大部分的数据点就会相对密集并以某种趋势呈现。数据的相关关系主要分为：正相关（两个变量值同时增长）、负相关（一变量值增加另一个变量值下降）、不相关、线性相关、指数相关等，表现在散点图上的大致分布如右图所示。那些离点集群较远的点我们称为离群点或者异常点。

还可以加入标识和趋势线，虽然效果可能不太好对于趋势线。

7.箱线图

箱线图也称箱须图、箱形图、盒图，用于反映一组或多组连续型定量数据
分布的中心位置和散布范围。箱形图包含数学统计量，不仅能够分析不同类别
数据各层次水平差异，还能揭示数据间离散程度、异常值、分布差异等等。

计算过程：
1 计算上四分位数、中位数、下四分位数以及均值；
2 计算上四分位数和下四分位数之间的差值，即四分位数差（IQR，interquartile range）；
3 绘制箱线图的上下范围，上限为上四分位数，下限为下四分位数，在箱子内部中位数的位置绘制横线；
4 大于上四分位数1.5倍四分位数差的值，或者小于下四分位数1.5倍四分位数差的值，划为异常值（outliers）；
5 异常值之外，最靠近上边缘和下边缘的两个值处，画横线，作为箱线图的边缘；
6 极端异常值，即超出四分位数差3倍距离的异常值，用实心点表示；较为温和的异常值，即处于1.5倍‐3倍四
分位数差之间的异常值，用空心点表示；
7 为箱线图添加名称，数轴等，并在图中用×标记出数据的均值位置。

箱线图的作用
箱线图的用法是，配合定性变量画分组箱线图，作比较。如果只有一个定量变量，很少用一个箱线图去展示其分布，更多选择直方图。箱线图更有效的使用方法是作比较。
假设要比较男女生的身高，用什么工具最好？答案是箱线图。
箱线图明显更加有效，能够从平均水平（中位数）、波动程度（箱子高度）以及异常值对男女教师的教学评估得分进行比较，而直方图却做不到。