python回归结果可视化图表解读_数据可视化：让客户更高效地解读数据分析结果！...

数据可视化就是将构建模型后得出的分析结果通过图表的方式直观地展示出来，使他人更容易、更快速得到并理解数据分析结果。

数据可视化工具有很多，如TABLEAU、POWER BI、PYTHON、EXCEL等等。大家根据自己的操作习惯选择即可。

可视化工具提供了五花八门的图标类型，我们应如何选择它来表达分析结果呢？可视化专家Andrew Abela建议从联系、比较、分布和构成四种关系类型，选择对应的图标，他提供的图标选择指南如下：

延续上一篇《如何使用EXCEL进行数据分析》，继续优化数据可视化内容。

一、明确问题

1.用户年龄和性别分布情况。

2.以往商品类别的销售量排名。

3.比较每月的销售总额，观察波动规律。

4.获取该电商婴儿商品的发展趋势。

二、分析思路

三、数据可视化

数据可视化有两个关键点，一是选择对的图形，即图能能把数据特点很好的展示出来；二是简洁！将多余的信息都隐藏起来，让客户聚焦关键信息，一目了然。

1.用户年龄和性别分布情况

性别的占比，选择使用构成关系的饼图展示：

用户性别占比图

用户年龄组，选择使用比较关系的柱形图表示：

用户年龄分布

2.以往商品类别的销售量排名

一般排名需求的可视化，建议使用比较关系类型的图标，常用柱形图（竖立）和条形图（横型），如下。基于人类观看屏幕的习惯，条形图更优于柱形图。当存在多组数据时，条形图也能更好的展示类别名称。

3.比较每月的销售总额，观察波动规律

面积图强调数量随时间而变化的程度，也可用于引起人们对总值趋势的注意。

电商母婴商品每月销售额汇总

4.获取该电商婴儿商品的发展趋势

显示随时间而变化的连续数据，折线图是较好的选择，它非常适用于显示在相等时间间隔下数据的趋势。以下2014年整条折线基本在2013年的折线之上，因此得出结论2014年的总体销售额优于2013年。

电影母婴商品销售趋势

四、结论

数据分析结果通过数据可视化展示，得到更清晰明了的结论：

1、用户男女比例均衡，主要集中于1-3岁的年龄段；

2、商品大类”28“、”50014815“、”50008168“的销售量占总销售量的88%；商品小类”50018831“的销售量占总销量的16%（统计样本中有661种商品小类）。

3、根据面积图的直观展示，可得出结果：下半年的销售成绩比上半年好，特别是11月份（双十一）。

4、根据近三年该电商母婴商品的销售量，可以看到该电商母婴商品的销售量是持续增长的。根据2015年1月份的销售量，保守估计2015年的销售总量至少将达到2014年的两倍。