不同需求下可视化图形选择(翻译)

机器学习工程师George Seif的文章《5 Quick and Easy Data Visualizations in Python with Code》部分内容翻译。重点说明了散点图、线图、直方图、条形图和箱型图的适用条件。

前言

数据可视化是数据科学家工作的重要组成部分。在项目开始阶段，人们需要做

探索性数据分析（EDA）来获得数据的深层信息。强大的可视化功能可以帮助人们更简洁清晰的了解数据，尤其是大量的、多维度的数据。在项目快结束时，用一种直观简单的方法，让不具备很强专业知识的人明白相应结果，也是非常重要的。不同的分析与展示目的，需要选择不同的可视化图形，下图展示了不同的需求，建议选择的可视化图形。

散点图

散点图可以直观展现原始点的分布和两个变量间的关系，并可以通过标记不同颜色，观察不同类别数据的关系，如下图：

通过对一些参数进行设置，如point size，我们可以观察三个变量间的关系，如下图：

线图

线图可以表示两个具有相关性的变量，一个变量随另一个变量变化的情况。从下图，我们可以清楚地看到，所有专业的百分比随着时间的推移有很大的变化。如果用散点图来表示这类问题，图像会非常混乱，很难理解数据的变化趋势。线图在这种情况下是完美的，因为它们快速地展现了这两个变量的协方差（百分比和时间）。

直方图

直方图可以有效的展现数据点的分布情况。下图为IQ的分布直方图，可以明显看出，分布集中在中央区域，并且我们可以清楚的了解IQ分布的中值，同样，还可以看出他是服从高斯分布的。直方图可以清楚的看到每个区间内频数的差异。使用直方图可以帮助我们看到“更大的图景”，因为如果我们使用散点图而不是直方图，那么在可视化中可能会有很多噪音，很难看清到底发生了什么。

条形图

当你试图把只有少数（通常<10个）类别的分类数据可视化时，条形图最有效。如果类别太多，条形图会很杂乱以致于理解困难。条形图很容易根据各个条形观察出不同类别数据的差异，不同类别的数据很容易区分并且能设定不同的颜色。条形图分为三种：普通条形图，分组条形图，和堆积条形图。分组条形图可用来比较多重分类变量，堆积条形图可用来反映某一变量上，不同类别的组成情况。三种条形图的样式可依次参见下图：

箱型图

之前提到的直方图可以展示数据的分布情况，但如果我们需要更详细的分布信息时，就要用到箱型图。箱型的上下两条边分别表示四分之一和四分之三分位点，箱内的线表示中值，虚线条上的条线从盒中伸出以显示数据的范围。