数据直观分析与可视化
一、数据的直观分析核心价值
数据的直观分析旨在通过视觉化的方式，帮助人们更直观、更快速地理解数据的特征和模式，从而发现趋势、异常值、分布情况以及变量之间的关系，为决策提供支持。
数据可视化与信息图形、信息可视化、科学可视化及统计图形密切相关。
可视化的终极目标是洞悉蕴含在数据中的现象和规律，这里面有多重含义：发现、决策、解释、分析、探索和学习。
二、特殊统计图绘制技巧
2.1 函数图绘制
# 椭圆图
plt.plot(x,y,c='r')
plt.axvline(x=0)
plt.axhline(y=0)
plt.text(0.2,1,r'$\frac{x^2}{a^2}+\frac{y^2}{b^2}=1$',fontsize=25)
2.2 气泡图与三维可视化
# 二维气泡图,s=8y
x=np.linspace(-4,4,20)
print(x)
y=x**2
plt.scatter(x,y,s=100*y)
# 三维散点图
# 创建数据
x = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, x) # 从坐标向量x,y中返回坐标矩阵
Z = np.sin(np.sqrt(X**2 + Y**2)) # Z=sin(sqrt(X^2+Y^2))
# 创建图形
fig = plt.figure(figsize=(10, 8))
ax = fig.add_axes(Axes3D(fig, elev=30, azim=20)) # 使用add_axes方法创建3D坐标轴
ax.scatter(X, Y, Z, c=Z, cmap='viridis', s=30, alpha=0.6) # 添加颜色映射和透明度
# 设置标签
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
# 显示图形
plt.show()
三、Seaborn高效统计绘图
3.1 箱线图与小提琴图对比
绘图所用数据如下：
# 读取绘图用数据
import pandas as pd
BSdata=pd.read_excel('DaPy_data.xlsx','BSdata')
BSdata.head()
# 箱线图（boxplot）
sns.boxplot(x=BSdata['身高'])
# 小提琴图（violinplot）
sns.violinplot(x='开设', y='支出', hue='性别', data=BSdata)
3.2 分布图矩阵
# 概率分布图
BSdata['身高'].hist()
四、ggplot绘图系统实践
4.1 基础使用
包的安装：
!pip show ggplot
!pip show plotnine
包的加载与设置：
from plotnine import * #加载和调用ggplot所有方法
theme_set(theme_bw(base_family='SimHei'))
#设置图形主题背景为白色bw、中文字体为黑体SimHei
4.2 ggplot中图层
GP=ggplot(BSdata,aes(x='身高',y='体重')) #绘制直角坐标系
GP
GP + geom_point() #增加点图
GP + geom_line() #增加线图
GP + geom_point() + geom_line() #增加点和线图
4.3 统计图绘制
#在plotnine中可使用facet_wrap参数可以按类型绘制分面图。
ggplot(BSdata,aes('身高','体重')) + geom_point() + facet_wrap('性别',nrow=2)
# 折线图
ggplot(BSdata,aes(x='支出',y='身高',color='性别',shape='性别')) + geom_line() + geom_point()
五、pyecharts动态绘图精解
pyecharts是基于Echarts图表的一个类库，而Echarts是百度开源的商业级数据图表，它是一个纯JavaScript的图表库，可以为用户提供直观生动、可交互、可高度个性化定制的数据可视化图表，赋予了用户对数据进行挖掘整合的能力。
https://echarts.apache.org/zh/index.html
pyecharts主要基于web浏览器进行显示，绘制的图形比较多，包括折线图、柱状图、饼图、漏斗图、地图、极坐标图等，代码量很少，而且很灵活，绘制出来的图形很美观。
使用pyecharts时，需要安装相应的库，安装命令为：
pip install pyecharts
A Python Echarts Plotting Library——https://pyecharts.org/#/
5.1 pyecharts安装全攻略
环境准备
# 创建虚拟环境（推荐）
python -m venv vis_env
source vis_env/bin/activate # Linux/Mac
vis_env\Scripts\activate # Windows
# 核心安装
pip install pyecharts -U
# 扩展组件
pip install echarts-countries-pypkg # 437个国家地图
pip install echarts-china-provinces-pypkg # 34个省级行政区
pip install echarts-china-cities-pypkg # 367个市级城市
版本验证
import pyecharts
print(pyecharts.__version__) # 输出应为1.x.x或2.x.x
5.2 基础图表快速上手
动态柱状图
from pyecharts.charts import Bar
bar = Bar()
bar.add_xaxis(["苹果", "华为", "小米", "OPPO"])
bar.add_yaxis("手机销量", [25, 30, 18, 22])
bar.set_global_opts(title_opts={"text": "2023 Q2手机销量统计"})
bar.render('phone_sales.html')
3D散点图
from pyecharts.charts import Scatter3D
import random
data = [[random.randint(0,100) for _ in range(3)] for _ in range(100)]
scatter = Scatter3D().add("", data)
scatter.render("3d_scatter.html")
5.3 高级配置技巧
地图可视化
from pyecharts.charts import Map
data = [("广东", 125), ("江苏", 98), ("山东", 87)]
map_chart = Map().add("GDP分布", data, "china")
map_chart.set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=150))
map_chart.render('china_gdp.html')
六、常见问题解决方案
6.1 地图显示异常处理
现象：地图空白或只显示轮廓
# 正确加载省级地图
from pyecharts.datasets import register_url
register_url("https://echarts-maps.github.io/echarts-china-provinces-js/")
# 强制刷新缓存
import pyecharts.globals as g
g._WarningControl.ShowWarning = False
6.2 Jupyter内联显示配置
from pyecharts.globals import CurrentConfig
CurrentConfig.NOTEBOOK_SHOW = True
# 显示图表
bar.load_javascript()
bar.render_notebook()
七、可视化最佳实践建议
数据预处理：清洗缺失值，规范数据格式
颜色选择：使用ColorBrewer科学配色方案
交互设计：合理控制动画效果复杂度
移动适配：响应式布局配置
bar.set_global_opts(
datazoom_opts=[opts.DataZoomOpts(type_="inside")],
toolbox_opts=opts.ToolboxOpts(is_show=True)
)
八、学习资源推荐
- ECharts官方示例库
- pyecharts-gallery项目
- 《Python数据可视化之美》专业书籍
- DataViz项目实战案例集