数据可视化之一张图胜过千言万语

一、整体介绍

背景：有时候有些事情，我们无法用言语清晰的表达，我们可以通过图表

学习内容：
1、用哪些图表达哪些数据（如何选择绘图类型）
2、如何诠释一些常见类型的绘图
3、有哪些最佳实践

三种获得数据洞察的方法

①计算并汇总统计信息
描述性统计：均值、中值、标准差(用来查看数据的波动和离散程度)
②跑模型
线性回归、逻辑回归
③绘制图表
直方图、散点图、折线图

数据集：一组由行和列组成的数据

分辨数据类型

①连续的
高度、温度、收入
②分类的
国家、年份、行业
③两者皆是
时间是连续的，月份是分类的
年龄是连续的，但对年龄分组是分类的

二、可视化图类型

1、直方图：

使用场景：
数据是单一的连续变量，展示数据分布情况

image.png

说明：任职0到5年的帝王250人左右

和柱状图对比：柱状图是比较每个类别的高低、大小

image.png

说明：任职一年的帝王11人左右

image.png

说明：通过调整bin，可设置直方图分布区间

image.png

说明：例如我们上面帝王寿命的例子就是单峰

image.png

说明：通常根据离群值（零散的，比较少的数据，离群的）的分布，确定左偏还是右偏

image.png

说明：比如我们上面的帝王例子就属于低峰

2、箱形图

使用场景：
①当拥有连续的变量，并且连续的变量被分类变量所分割的时候
②当需要对连续变量在不同分类区间进行数据分布的比较的时候

image.png

中值：
✭在两个箱体的中心线位置，是整体数据分布的中值（median）是 40.5。
✭也就是说，有一半的皇帝的寿命小于这个数字，有另外一半的皇帝的寿命大于这个数字。

下四分位，上四分位：
✭绘图中有两个箱体，也就是两个长方形的框框，他们从左到右，依次代表了下四分位数，和上四分位数。
✭下四分位数（Lower Quartile），是指有四分之一的数值低于它。也就是说，四分之一的皇帝的寿命低于 27.0 岁，四分之三的皇帝的寿命大于 27.0 岁。
✭同样，上四分位数（Upper Quartile）是四分之三的皇帝的寿命低于 54.0 岁，四分之一的皇帝的寿命大于 54.0 岁。
✭高四分位和第四分位数之间的差值，称为四分位数间距（Inter-Quartile Range）。

箱须：
✭水平的线段成为“箱须（Whisker）”，其定义略微有些复杂。
✭每个箱体首先沿着各自的方向，延长 1.5 倍于“四分位数间距”，但是它们延长至最远不超过实际最远的数据点。
✭也就是说，如果向左的箱须超过了最左面的点，那么只延长到最左面的点。同样，如果向右的箱须超过了最右面的点，那么只延长到最右面的点。