每日一课 - 数据可视化类别.docx

每日一课 | 数据可视化类别 大家好，我是小C，上期给大家分享—— Python数据可视化-“数据科学”的基本概念 本期分享内容：书籍可视化类别 本期小C邀请的是齐伟（Python大学教材及畅销书作者）为我们分享Python数据可视化。 PYTHON “数据可视化类别 走在大街上，满眼都是广告——说明市场经济发达，这是好事情。再观察一下广告，多是以各种样式的图形呈现，而不是简简单单地把数字呈现出来——即使是数字，也想办法把数字搞得像图一样。这样做的目的是要吸引人的注意，并且能够让人一眼就能看到想要看的。 别以为这是广告商的策略，其实，他们只是顺应了大脑的特点（具体请参考有关心理学和脑科学的研究成果）。 因为大脑的这种喜好，所以才非常有必要“数据可视化”，即用某种适合的图形来表示某些数据。 数据可视化的类别 通常有两种可视化数据的方式——这是我提出的分类，如有雷同，纯属巧合： 艺术性可视化 数学性可视化 以 2018 年的中美“贸易战”为例，美国的媒体为了向美国老百姓说明中国经济发展的情况，特别是对美国经济的威胁，一定要使用到中国经济和美国经济相关数字，那么这些数字怎么展示？ 图 1 中美 GDP 比较（图片来源） 这是一张预测中美 GPD 走势的图示，看此图，我想，美国人也没有什么太被刺激的感觉，因为看看两条线，未来即使有高低之别，但差别也没有那么吓人，况且，预测还可能不准确呢。 这就是数学性可视化，虽然比较理智的反映了数据。但是，给人的印象不是很深刻，或者没有让人感到受刺激。 再对比图 2： 图 2 艺术性地表示 GDP（图片来源） 虽然这张图中也包含了数字，但是，它同时配置了表示数字的图示，并且都很形象，人的视觉无形中就被图示所吸引了。把数字本来的抽象意义，用直观的方式表达出来，更刺激人的大脑。 这就是将原本的数据通过“艺术性可视化”的方式进行了表达。目的无非是要从视觉的维度让人感受到一种震撼。 “艺术性可视化”，它通常不会科学、准确地反映数据的含义，而是为了某个目的追求感官刺激，比如图 3。 图 3 预测 GDP 变化 （图片来源） 在本达人课中所要介绍的“数据可视化”，肯定不是那种蛊惑人心的可视化，而是本着科学精神的“数学性可视化”，虽然它可能不如“艺术性的可视化”好看，但是，更趋真实地反映了对象的本质。 常见图像和用途 “数学性可视化”，就是要将数据用图像的方式表达。从数学角度来看，不同的图像有不同的用途或目的，下面依次简要说明（此处姑且讨论二维图像）。 散点图 还记得高中物理课学过的折射定律吗？也称为斯涅尔定律，假设不知道，我们就探索一下。用实验的方式分别测量光线入射某透明介质的入射角和折射角大小，测量多次，于是就得到了入射角和折射角的数据集，分别用 alpha 和 belta 表示。 有了这两组数据，怎么研究入射角和折射角之间的关系呢？它们之间符合什么函数关系？ 一种常用的方法是： 建立一个坐标系，横坐标表示入射角，纵坐标表示折射角； 将入射角及其对应的折射角，作为坐标系中的一个坐标点，在此坐标系中把点标记出来。 这样就在坐标系中“散落”了很多点，如图 4 所示： 图 4 入射角和折射角散点图 接下来的任务就是观察这些点在坐标系中的分布，猜测它们应该符合什么函数关系，比如可能符合某个一次函数关系等（看起来像符合正比例函数的关系，人类曾经很长时间都这么认为，直到伟大的物理学家斯涅耳揭示了其中的奥秘为止）。 通过这个例子，可以总结如下： 绘制散点图，要有对应的两组数据（二维图）； 两组数据所对应的两个变量是连续变量； 散点图的用途在于发现变量之间的关系。 在实际业务中，散点图的样式可能具有多种，而且也不一定都是用来寻找某种函数关系。比如在地图上用色彩深浅画出各个城市的 PM2.5 指数，这也是一种散点图，通过这种散点图就能够看到污染城市的地理分布规律。 柱形图 柱形图（也称为：柱状图），适用于二维数据集，但是有一个维度的数据需要具有比较意义。比如下面的数据： 对于这份数据，就比较适合用柱形图进行可视化。 图 5 部分省 GDP 柱形图 图中所示的柱子高度，表示数据表中各省的 GDP 值。 通过柱形图，非常明显地反映了各省 GDP 数据的差异。 但是注意，柱形图不适合大数据，在横坐标上如果排满了柱子，看着多眼晕呀。 条形图 条形图，貌似就是柱状图横过来，对于数值都是大于 0 的数据而言，画出来的条形图可以这样理解。但是，下面这种类型的数据也是比较常见的。 从数据表中可以看出，我国部分城市 1 月份最低气温，有的在 0℃ 以上，有的在 0℃ 以下。对于这类数据，用条形图显示，结果是这样的。 图 6 部分城市最低温 当然，这份数据也可以用前面的“柱形图”实现可视化。 折线图 下面这份数据，是 1961 ~ 2017 年