Day3.数据可视化-- 可视化基础

可视化主要是以图像来展示数据间的关系，常见的图形种类有折线图,散点图,条形图，直方图，饼图。此外在接下来课程中还会用到箱线图，热力图，蜘蛛图，表示二元变量分布和成对关系的视图。学好可视化，不仅要会画图，更要梳理数据见的关系，以合适的方式将数据通过图形表达出来。

今天我们要来了解折线图，散点图，条形图，直方图，饼图和器特点。认识Matplotlib的图像结构，并以Matplotlib绘制折线图为例来掌握设置辅助显示层；此外，用Matplotlob设置辅助显示层，内容还增添拓展部份，平时用到的不是很多，作为了解即可。

常见图像

• 折线图：以折线的上升或下降来表示统计数量的增减变化的统计图

  特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)

• 散点图（Scatter）：用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。

  特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)

• 条形图：排列在工作表的列或行中的数据可以绘制到柱状图中。

  特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)

• 直方图(Histogram)：由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据范围，纵轴表示分布情况。

  特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)

  

• 饼图(pie)：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。

  特点：分类数据的占比情况(占比)

Matplotlib画图基础

  第一天我们介绍过Matplotlib，它是一个Python 2D绘图库，它可以在各种平台上以各种硬拷贝格式和交互式环境生成出具有出版品质的图形。只需几行代码即可生成绘图，直方图，条形图,散点图等。

Matplotlib画图的简单实现

# 导入模块
import matplotlib.pyplot as plt
# 在jupyter中执行的时候显示图片
#matplotlib inline
# 传入x和y, 通过plot画图
plt.plot([3, 1, 7], [4, 5, 6])
# 在执行程序的时候展示图形
plt.show()

传入x和y时，括号中的第一个列表是x轴上的值，第二个列表是y上的值。

运行结果：