与数据对话｜多变量探索分析可视化

在现实数据分析中，多个变量之间的探索分析是很常见的，发现这些关系可以发现新的数据价值。

在研究两个及多个变量时，有一个点需要注意：相关性并不意味着因果关系。也就是说仅仅因为两个变量似乎发生了变化，并不一定意味着其中一个变量会导致另一个变量发生变化；第三个变量可能导致另外两个变量都发生变化，也可能是巧合，根本没有任何因果感想。因此，当我们拥有的只是相关性证据时，我们不能迅速地就假设因果关系的存在。

下文中我们将使用几种方式来探索多个变量关系，并放在同一个图表中。

散点图

散点图是通常用于显示和比较数值。通常情况下，在不考虑时间的情况下，数据越多，比较的效果更好。默认情况下，散点图以圆圈显示数据点，纵横坐标分别代表不同数据列。如有第三个数据列，以圆圈的大小显示数据，即为气泡图。如图所示是职业足球球员的统计数据散点图。

足球球员的统计数据散点图

让我们来探索如何创建这个散点图，首先确定根据球员控球和运球能力，来探索球员的基本能力，使用这两个信息轴来定位平面上的圆。

导入相关数据源，进入DataFocus搜索页面。双击选择“运球”、“控球”、“首选用脚”、“名字”字段，切换图形为散点图，至此我们就可以得到基本的散点图。

如图所示，Y轴为球员的控球能力，X轴为球员的运球能力，图例为“首选用脚”。一个散点代表一个球员。

创建基本散点图

到目前为止，我们比较了两个变量：控球和运球,如果要添加第三个数据变量，我们可以直接双击“评分”字段，切换图形为气泡图，如图所示。

添加第三个数据变量

圆圈的大小越大，该球员的评分也就越高。可以看到即使控球、运球能力较低的球员，其评分也可能挺高的，说明运球控球能力并不是球员踢球的唯一标准。

一个圆点代表什么？

在一个没有数据标签的图表中，我们无法认识到一个圆点具体代表的是什么。

简单的显示数据标签，只能显示Y轴的数据内容，想了解具体的详细的内容，DataFocus有一个非常棒的功能点，标签提示。当用户与图表交互时，将鼠标光标悬停在一个单独标记上（在本例中是圆形），提示就会出现。

如图所示，当鼠标光标悬停在这个圆形上时，可以看到，这个圆形代表的是名为“Manuel Neuer”的球员，其运球能力为30，控球能力为48，评分为92。

标签提示

美化图形

做完图表后，下一步纯粹是为了美观。可以点击图标属性，对主题颜色，字体大小，图例位置等进行设置。本例中，我们选择将主题颜色设置为默认列表第二种，图例位置设置为顶部，见图。根据自己的偏好美化可视化部分。

自定义美化

堆叠条形图

散点图并不是在同一视图中显示多个变量的唯一方法。我们可以使用另一种可视化类型，堆叠条形图。堆叠条形图一般有两种形式：堆积条形图和堆积柱状图。

我们来了解各个球员的长传和短传能力。双击选择“名字”、“长传”、“短传”字段入搜索框，并将数据按长传的总和降序排列。切换图形为堆积条形图。如图所示，可以看到每个球员长传和短传的综合能力。

从多个度量创建堆积条形图

组合图

除了散点图和堆叠条形图以外，还有另一种多变量视图——组合图。组合图以折线图和柱状图的结合的方式呈现，可以设置为双Y轴，但是要注意只能探索两个变量的数据关系。

我们来了解各个球员的协调性和敏捷性。双击选择“名字”、“协调性”、“敏捷性”字段入搜索框，并将数据按协调性的总和降序排列。切换图形为组合图，并设置“敏捷性的总和”为右Y轴。如图所示，可以看到球员的协调性和敏捷性变动基本一致，说明两个能力有一定的联系。

从两个度量创建组合图