python sns绘制回归线_【干货！】用Python演绎5种常见可视化视图

- 点击上方 “中国统计网”订阅我吧！-

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