一、用多维度比较，筛选出指标较高的类型
整体：数值关键列去除空值（选大于0）
各列分别处理：分组计算均值等，再各自标准化
给各列权重，创建出一个综合指标
合并为一个数据组作图
二、空间分析
前提需要 地图区域的面、街道数据
1、在地图上分布后各个区域某字段的数量或者密度（线长或计数）
可以使用空间柱状图、空间热力图
使用格网，分析工具来计算格点内的数字、线长等
注意WGS84和投影坐标系的转换，处理时用投影坐标系，导出lat，lng位置用wgs84。
2、地域某数据的流向图
可以可视化A到B的流向，按线制作流向，
道路可以直接用工具转换放入echart使用
点对点需要用QGIS转换为线再使用（columns全英文、数据无中文、值列名称为value，$length可以计算两点的距离，计算时要用投影坐标，导出再用WGS84，报错可能是因为字段的数据类型为字符）
3、空间中查看几个字段是否与‘某一个字段’的关系
绘制空间格网，然后统计多边形内的点依次叠加，修改渐进的样式挨个查看
各点距市中心距离计算：根据坐标系找到中心点的坐标，然后使用三角定位来计算
根据计算出来的多个字段跟‘某一个字段’做散点图，查看相关性。确定相关性后，可以再根据这些字段通过给各个距离分段来做图，显示这些字段指标在各距离上的拟合程度
.corr() x 2
4、缓冲区分析
导入数据后，另存为投影转为数据所在地区的坐标（比如上海WGS8451N），然后用转换完的文件，地学数据处理工具-->缓冲区分析，缓冲距离为米。
然后根据你想分析的点（有ID标识），依次叠加计算多边形内点的个数，添加多个特征（比如新增了三列，某品牌各房源2000m范围内所有医院、加油站、超市的个数）
三、流水型一维带时间标签的数据
1、各类型在某个时间点之前或之后的去向
（双十一前双十一中双十一后）
按照多个类别分类，
可以堆叠做图：各类别(A、B、C等等)占各标签的比例
2、比较两个时段是否有波动，变化率是多少
先总体分布再各标签分布
先按照时间分段pd.cut,然后
data[['id','price','date']].groupby(['id','price']).min()，如果统计之后的两个字段的分组count只有一个值那就是没有波动，如果大于1个值就是有波动，在后面新加一列全部为True
再把id列与总列按id merge，带TRUE的就是有波动的没有的就是没有波动的
3、可以做一个各标签下，某列或者计算出来的值的分布情况的图：先总体分布再各标签分布
例：各品牌双11销售各商品折扣分布
y品牌 x品牌下各商品折扣度 加个alpha
4、可以做一个散点图，三个维度，做四个象限来总结分布情况
5、时间细分，分析出总的结论后，再给时间分段看各时间变化过程
其他
符合
