数据可视化（Ⅰ）基础概念

⼀个图表胜过千⾔万语

一、三种获得数据洞察的方法

1.计算并汇总统计信息（Statistics）
均值（mean），中值（Median），标准差（Standard Deviation）等
2.跑模型（Models）
线性回归（Linear Regression），逻辑回归（Logic Regression）等
3.绘制图表（Plots）
散点图（Scatter），柱状图（Bar），直方图（Histogram）等

二、区分连续变量和分类变量

1.连续变量：

在一定区间内可以任意取值的变量叫连续变量，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。

2.分类变量：

其变量值是定性的，表现为互不相容的类别或属性。分类变量又有两种子类，它们是无序分类变量和有序分类变量。

2.1 无序分类变量（Unordered Categorical Variable）

指所分类别或属性之间无程度和顺序的差别，它又可分为：
① 二项分类，如性别（男、女），药物反应（阴性和阳性）等。
② 多项分类，如血型（O、A、B、AB），职业（工、农、商、学、兵）等。

• 对于无序分类变量的分析，应先按类别分组，清点各组的观察单位数，编制分类变量的频数表，所得资料为无序分类资料，亦称计数资料。

2.2 有序分类变量（Ordinal Categorical Variable）

指各类别之间有程度的差别。如尿糖化验结果按 －、±、+、++、+++ 分类；疗效按治愈、显效、好转、无效分类。

• 对于有序分类变量，应先按等级顺序分组，清点各组的观察单位个数，编制有序变量（各等级）的频数表，所得资料称为等级资料。

三、示例

数据集“The Datasaurus Dozen”。
Datasaurus：数据侏罗纪（恐龙）

import pandas as pd
df_saurus_dozen = pd.read_csv('/data/course_data/visualization/datasaurus_dozen_wide.tsv',sep='\t', header=[0, 1])
from bokeh.plotting import show, output_notebook, figure
from bokeh.layouts import grid, gridplot
columns = df_saurus_dozen.columns
plots = []
for i in range(13):
    p = figure()
    p.axis.visible = False
    x = df_saurus_dozen[columns[2*i]]
    y = df_saurus_dozen[columns[2*i+1]]
    p.scatter(x, y, size=2)
    plots.append(p)
plots = [[None     , plots[ 3], None    ],
         [plots[ 0], plots[ 1], plots[ 2]],
         [plots[ 4], plots[ 5], plots[ 6]],
         [plots[ 7], plots[ 8], plots[ 9]],
         [plots[10], plots[11], plots[12]]]
grid = gridplot(
    plots, toolbar_location='right',
    plot_width=200, plot_height=200
)
output_notebook()
show(grid)

四、其他

比特币网址
https://coinmarketcap.com/currencies/bitcoin/historical-data/?start=20160101&end=20200512