c++ 显示三维散点图_python数据关系型图表散点图系列

数据关系型图表

散点图系列

趋势显示二维散点图 分布显示二维散点图

• 气泡图

• 三维散点图

曲面拟合图

等高线图

散点曲线图系列

瀑布图

相关系数图

---

趋势显示二维散点图

散点图(scatter graph,point graph,X-Y plot,scatter chart 或scattergram)是比较常见的图表类型之一，通常用于显示和比较数值；散点图使用一系列的散点在直角坐标系中展示变量的数值分布；在二维散点图中，可以通过观察两个变量的数据分析，发现两者的关系与相关性；

散点图通常包括三类关键信息：

• 变量之间是否存在数量关联趋势；

• 如果存在关联趋势，是线性还是非线性？

• 观察是否存在离群值，从而分析这些离群值对建模分析的影响；

通过散点图上数据点的分布情况，可以推断出变量之间的相关性；

• 如果变量之间不存在相互关系，则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(一个变量值增加、另一个变量值下降)

• 不相关

• 线性相关

• 指数相关；那些离点集群较远的点称为离群点或异常点(outliers)

相关分析

一般要求出相关关系，以相关系数的大小来判断自变量和因变量的相关程度；强相关、弱相关、无相关；散点图经常与 回归线(line of best fit就是最准确的贯穿所有点的线)结合使用；

• 归纳分析现有数据实现曲线拟合，以进行预测分析；

• 散点图能较好的分析那些变量之间存在密切关系；回归分析构建检验因变量与一个或多个自变量的关系的数学模型；这些模型可以用于预测自变量的未观察值和或未来值的响应；

按学习进度，计划从今天开始学习散点图系列，每天学习，积累数据可视化分析基础技能；