通过本篇文章,你将学到:
视图的分类,从哪些维度进行分类
5种常见视图的概念,以及如何在Python中进行使用,都需要用到哪些函数。
注意:想要更深层次的理解,需要自己动手跑代码,体验数据可视化过程
今天我来给你讲讲Python的可视化技术。
如果你想要用Python进行数据分析,就需要在项目初期开始进行探索性的数据分析,这样方便你对数据有一定的了解。其中最直观的就是采用数据可视化技术,这样,数据不仅一目了然,而且更容易被解读。同样在数据分析得到结果之后,我们还需要用到可视化技术,把最终的结果呈现出来。
可视化视图有哪些?
按照数据之间的关系,我们可以把可视化视图划分为4类,它们分别是比较、联系、构成和分布。我来简单介绍下这四种关系的特点:
比较:比较数据间各类别的关系,或者是它们随着时间的变化趋势,比如折线图。
联系:查看两个或两个以上变量之间的关系,比如散点图。
构成:每个部分占整体的百分比,或者是随着时间的百分比变化,比如饼图。
分布:关注单个变量,或者多个变量的分布情况,比如直方图。
同样,按照变量的个数,我们可以把可视化视图划分为单变量分析和多变量分析。
单变量分析指的是一次只关注一个变量。比如我们只关注“身高”这个变量,来看身高的取值分布,而暂时忽略其他变量。
多变量分析可以让你在一张图上可以查看两个以上变量的关系。比如“身高”和“年龄”,你可以理解是同一个人的两个参数,这样在同一张图中可以看到每个人的“身高”和“年龄”的取值,从而分析出来这两个变量之间是否存在某种联系。
常见视图
可视化的视图可以说是分门别类,多种多样,今天我主要介绍常用的5种视图,包括了散点图、折线图、直方图、热力图、成对关系。
1.散点图
散点图的英文叫做scatter plot