成为数据分析师必会的数据可视化种类

数据可视化是数据分析非常重要的一部分，他能够帮助我们更好的展现数据分析结果，并能够帮我们更好的从复杂的数据中提取出更直观更有效的消息。今天主要介绍以下几种：

1、二维散点图

2、3D散点图

3、配对图

4、直方图

5、箱形图

我们从一个简单的虹膜数据集来打比方，它具有4个特征/独立变量或预测变量——峰长，萼片宽度，瓣长，瓣宽，这意味着它是4维数组。数据集具有150个数据点，并且由于每个类别的数据点数相同（即每个类别50个数据点），因此数据集是平衡的。要在python中实现可视化技术，我们首先必须具有pandas，seaborn，matplotlib和numpy库。

1. 2D散点图：数据分析

图1显示了sepal_length和sepal_width的二维散点图，并通过绘制一条直线报告了setosa类的蓝色点易于通过绿色和橙色数据点分离。但是，使用此二维特征组合（sepal_length和sepal_width）不容易将类标签versicolor和virginca分离。在这种情况下，我们可以尝试其他组合，例如，花瓣长度和花瓣宽度。

图1 sepal_length和sepal_width的二维散点图

2. 3D散点图：数据分析

它将数据点绘制到3维空间中。3D绘图的缺点是它需要与绘图进行多次交互才能进行解释，因此它不是更方便的可视化方法。数据分析

图2来自虹膜数据集的花瓣长度，间隔长度和宽度的3-D散点图

3.配对图：数据分析

我们在数据分析的过程中，一般不做4维散点图，而是使用成对图。为了避免使用2D检查大量组合以及使用3D散点图检查许多鼠标交互作用，这将是一个很好的解决方案。具有4、5、6或7个维度的数据集可以轻松地通过成对图进行解释，但是，如果维度大于此值，则不是一个好的选择。为了识别类别标签，图3给出了petal_width和petal_length是两个很有影响力的预测变量，其中setosa可与versicolor和virginica类别线性分离。对角线元素是每个要素的概率密度函数（PDF）。

图3虹膜数据对图

4.直方图：数据分析

它是数据点概率分布的表示。可视化一个特征（1D）的更好方法是直方图。让我们以图3所示的sepal_length为例。x轴是sepal_length，其中y轴是sepal_length计数。淡蓝色，橙色和绿色分别是setosa的sepal_length，杂色和virginica花类型的直方图（见图4）。直方图告诉我们在4到6的窗口中有多少个数据点。它表明sepal_length大小为5时存在最大的setosa花（约15个）。直方图的高度显示给定sepal_length时我们发现特定花朵类型的频率。平滑线称为PDF，是直方图的平滑形式。数

据分析

图4 sepal_length的直方图

5.箱形图：

这是可视化一维散点图的另一种技术。箱形图使用中位数，百分位数和分位数将其放入图中。通过查看图4，我们不知道什么是setosa sepal_length的25、50或75％。要知道，我们使用箱线图，它使用百分位数。在图5中，x轴是花朵类型或对应于每个类别标签的3个框，y轴是septal_length。让我们了解一下绿色框，它告诉您弗吉尼亚州的萼片长度的第25、50和75％。晶须通常是每个类的特征的最小值和最大值，但是，没有标准的绘制方法。此外，箱线图有助于我们编写规则并查找错误的分类或错误。

图5 sepal_length的箱形图

数据分析师们在把数据可视化的时候需要选择合适的方法来进行，各个行业的数据都不尽相同，所以也需要用最合适的方法来进行分析处理。