数据之美——Python数据可视化1

数据可视化就是使用图形图表等方式来呈现数据，图形图表能够高效清晰地表达数据包含的信息。数据可视化在各个领域都得到了广泛的应用，例如，产品销售数据的可视化，统计样本数据可视化，机器学习数据可视化等。因此，掌握一些数据可视化的技能是非常有必要的。

在这篇文章中我们会简单的介绍一下基于Python的数据可视化。Python有很多非常优秀易用的数据可视化的库，作为入门文章我们这里使用Python的matplotlib,事实上Python中很多可视化库都是基于matplotlib开发的，例如pandas等。下面我们将使用几种不同数据图表来讲解基于matplotlib的数据可视化。

线段图

线条图适合用来呈现基于时间序列或有固定间隔的序列数据。横轴表示时间或者间隔，而纵轴则表示对应的数值。例如，店铺每天的销售额，旅游景点每天游客接待量等。现在假设我们有某个店铺最近一年的的销售额数据，使用线段图可以非常直接的呈现出来。

代码和线图图如下：

条形图

条形图主要是用来将数据分类显示，横轴表示数据的类型，而纵轴则表示对应类型的数值。例如，我们有5种不同类型产品的销售量，利用条形图我们可以非常方便的把数据呈现出来。

柱状图

柱状图，也叫直方图，通常用来呈现变量的分布。它将数据按照一定的区间分组，而纵轴表示位于这一区间数据的个数。例如，下面我们生成一组正态分布的随机数据，柱状图按照一定的区间分组数据，并统计位于各个区间的数据量。

箱线图

箱线图用来显示一组数据的分散情况。在箱线图中，数据集的50%被一个矩形覆盖，既矩形的底边位于数据集的25%处，矩形的顶边位于数据集的75%处；在矩形中心既数据集50%处有一条横线；矩形顶边和底边差值的1.5倍称为IRQ值，离矩形底边和顶边IRQ处分别画一条称为边缘的线。所有位于边缘线以外的数据点称为异常点。

下面我们随机的生成三组数据，并使用箱线图呈现每组数据的分散情况。

散点图

散点图是数据在直角坐标系平面的分布图。散点图是非常有用的的显示两组变量之间的关系。例如身高和体重之间的关系，产品价格与销量之间的关系等。

下面的代码中，我们随机的生成1000组数据，然后使用散点图呈现出来。

最后

这篇文章里我们简单的讨论了如何使用matplotlib绘制条形图和柱状图等基本的图表，后续文章中我们介绍更多的python可视化库和一些更复杂的绘图。