⚡

DataVisualizationSkill DataVisualization

使用matplotlib和seaborn创建有效的数据可视化，用于探索性分析、向业务利益相关者展示洞察和沟通结果

数据可视化 0 次安装 0 次浏览 更新于 3/3/2026

数据可视化

概览

数据可视化将复杂数据转换为清晰、引人注目的视觉表现，揭示模式、趋势和洞察，用于讲故事和决策。

使用场景

  • 探索性数据分析和模式发现
  • 向利益相关者传达洞察
  • 比较分布和关系
  • 在报告和仪表板中展示发现
  • 直观识别异常值和异常
  • 创建出版级图表和图形

可视化类型

  • 分布：直方图、KDE、小提琴图
  • 关系：散点图、线图、热图
  • 比较：条形图、箱线图、山脊图
  • 组成：饼图、堆叠条形图、树状图
  • 时间序列：线图、面积图、时间序列
  • 多变量：成对图、相关热图

设计原则

  • 为数据选择合适的图表类型
  • 最小化墨水与数据比率
  • 有目的地使用颜色
  • 清晰完整地标记
  • 保持一致的比例
  • 考虑可访问性

Python实现

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib.gridspec import GridSpec

# 设置样式
sns.set_style("whitegrid")
plt.rcParams['figure.figsize'] = (12, 6)

# 生成样本数据
np.random.seed(42)
n = 500
data = pd.DataFrame({
    'age': np.random.uniform(20, 70, n),
    'income': np.random.exponential(50000, n),
    'education_years': np.random.uniform(12, 20, n),
    'category': np.random.choice(['A', 'B', 'C'], n),
    'region': np.random.choice(['North', 'South', 'East', 'West'], n),
    'satisfaction': np.random.uniform(1, 5, n),
    'purchased': np.random.choice([0, 1], n),
})

print(data.head())

# 1. 分布图
fig, axes = plt.subplots(2, 2, figsize=(12, 8))

# 直方图
axes[0, 0].hist(data['age'], bins=30, color='skyblue', edgecolor='black')
axes[0, 0].set_title('年龄分布（直方图）')
axes[0, 0].set_xlabel('年龄')
axes[0, 0].set_ylabel('频率')

# KDE图
data['income'].plot(kind='kde', ax=axes[0, 1], color='green', linewidth=2)
axes[0, 1].set_title('收入分布（KDE）')
axes[0, 1].set_xlabel('收入')

# 箱线图
sns.boxplot(data=data, y='satisfaction', x='category', ax=axes[1, 0], palette='Set2')
axes[1, 0].set_title('满意度按类别（箱线图）')

# 小提琴图
sns.violinplot(data=data, y='age', x='category', ax=axes[1, 1], palette='Set2')
axes[1, 1].set_title('年龄按类别（小提琴图）')

plt.tight_layout()
plt.show()

# 2. 关系图
fig, axes = plt.subplots(2, 2, figsize=(12, 8))

# 散点图
axes[0, 0].scatter(data['age'], data['income'], alpha=0.5, s=30)
axes[0, 0].set_title('年龄与收入（散点图）')
axes[0, 0].set_xlabel('年龄')
axes[0, 0].set_ylabel('收入')

# 带回归线的散点图
sns.regplot(x='age', y='income', data=data, ax=axes[0, 1], scatter_kws={'alpha': 0.5})
axes[0, 1].set_title('年龄与收入（带回归线）')

# 联合图替代
ax_hex = axes[1, 0]
hexbin = ax_hex.hexbin(data['age'], data['income'], gridsize=15, cmap='YlOrRd')
ax_hex.set_title('年龄与收入（六边形箱）')
ax_hex.set_xlabel('年龄')
ax_hex.set_ylabel('收入')

# 气泡图
scatter = axes[1, 1].scatter(
    data['age'], data['income'], s=data['satisfaction']*50,
    c=data['satisfaction'], cmap='viridis', alpha=0.6, edgecolors='black'
)
axes[1, 1].set_title('年龄与收入（气泡图）')
axes[1, 1].set_xlabel('年龄')
axes[1, 1].set_ylabel('收入')
plt.colorbar(scatter, ax=axes[1, 1], label='满意度')

plt.tight_layout()
plt.show()

# 3. 比较图
fig, axes = plt.subplots(2, 2, figsize=(12, 8))

# 条形图
category_counts = data['category'].value_counts()
axes[0, 0].bar(category_counts.index, category_counts.values, color='skyblue', edgecolor='black')
axes[0, 0].set_title('类别分布（条形图）')
axes[0, 0].set_ylabel('计数')

# 分组条形图
grouped_data = data.groupby(['category', 'region']).size().unstack()
grouped_data.plot(kind='bar', ax=axes[0, 1], edgecolor='black')
axes[0, 1].set_title('类别与区域（分组条形图）')
axes[0, 1].set_ylabel('计数')
axes[0, 1].legend(title='区域')

# 堆叠条形图
grouped_data.plot(kind='bar', stacked=True, ax=axes[1, 0], edgecolor='black')
axes[1, 0].set_title('类别与区域（堆叠条形图）')
axes[1, 0].set_ylabel('计数')

# 水平条形图
region_counts = data['region'].value_counts()
axes[1, 1].barh(region_counts.index, region_counts.values, color='lightcoral', edgecolor='black')
axes[1, 1].set_title('区域分布（水平条形图）')
axes[1, 1].set_xlabel('计数')

plt.tight_layout()
plt.show()

# 4. 相关性和热图
numeric_cols = data[['age', 'income', 'education_years', 'satisfaction']].corr()

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 相关性热图
sns.heatmap(numeric_cols, annot=True, fmt='.2f', cmap='coolwarm', center=0,
            square=True, ax=axes[0], cbar_kws={'label': '相关性'})
axes[0].set_title('相关性矩阵热图')

# 聚类图替代
from scipy.cluster.hierarchy import dendrogram, linkage
from scipy.spatial.distance import pdist, squareform

# 创建一个更简单的类别平均值热图
category_avg = data.groupby('category')[['age', 'income', 'education_years', 'satisfaction']].mean()
sns.heatmap(category_avg.T, annot=True, fmt='.1f', cmap='YlGnBu', ax=axes[1],
            cbar_kws={'label': '平均值'})
axes[1].set_title('按类别的平均值')

plt.tight_layout()
plt.show()

# 5. 成对图
pair_cols = ['age', 'income', 'education_years', 'satisfaction']
plt.figure(figsize=(12, 10))
pair_plot = sns.pairplot(data[pair_cols], diag_kind='hist', corner=False)
pair_plot.fig.suptitle('成对图矩阵', y=1.00)
plt.show()

# 6. 多维可视化
fig = plt.figure(figsize=(14, 6))
gs = GridSpec(2, 3, figure=fig)

# 不同方面的子图
ax1 = fig.add_subplot(gs[0, 0])
ax1.scatter(data['age'], data['income'], c=data['satisfaction'], cmap='viridis', alpha=0.6)
ax1.set_title('年龄与收入（按满意度着色）')
ax1.set_xlabel('年龄')
ax1.set_ylabel('收入')

ax2 = fig.add_subplot(gs[0, 1])
for cat in data['category'].unique():
    subset = data[data['category'] == cat]
    ax2.scatter(subset['age'], subset['income'], label=cat, alpha=0.6)
ax2.set_title('年龄与收入（按类别）')
ax2.set_xlabel('年龄')
ax2.set_ylabel('收入')
ax2.legend()

ax3 = fig.add_subplot(gs[0, 2])
sns.boxplot(data=data, x='region', y='income', ax=ax3, palette='Set2')
ax3.set_title('按区域的收入分布')

ax4 = fig.add_subplot(gs[1, 0])
data.groupby('category')['satisfaction'].mean().plot(kind='bar', ax=ax4, color='skyblue', edgecolor='black')
ax4.set_title('按类别的平均满意度')
ax4.set_ylabel('满意度')
ax4.set_xlabel('类别')

ax5 = fig.add_subplot(gs[1, 1:])
region_category = pd.crosstab(data['region'], data['category'])
region_category.plot(kind='bar', ax=ax5, edgecolor='black')
ax5.set_title('区域与类别分布')
ax5.set_ylabel('计数')
ax5.set_xlabel('区域')
ax5.legend(title='类别')

plt.tight_layout()
plt.show()

# 7. 时间序列可视化（如果为时间序列数据）
dates = pd.date_range('2023-01-01', periods=len(data))
data['date'] = dates
data['cumulative_income'] = data['income'].cumsum()

fig, axes = plt.subplots(2, 1, figsize=(12, 8))

# 线图
axes[0].plot(data['date'], data['income'], linewidth=1, alpha=0.7, label='收入')
axes[0].fill_between(data['date'], data['income'], alpha=0.3)
axes[0].set_title('随时间变化的收入')
axes[0].set_ylabel('收入')
axes[0].grid(True, alpha=0.3)
axes[0].legend()

# 面积图
axes[1].plot(data['date'], data['cumulative_income'], linewidth=2, color='green')
axes[1].fill_between(data['date'], data['cumulative_income'], alpha=0.3, color='green')
axes[1].set_title('随时间变化的累积收入')
axes[1].set_ylabel('累积收入')
axes[1].set_xlabel('日期')
axes[1].grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

# 8. 组成可视化
fig, axes = plt.subplots(1, 2, figsize=(12, 5))

# 饼图
category_counts = data['category'].value_counts()
colors = ['#ff9999', '#66b3ff', '#99ff99']
axes[0].pie(category_counts.values, labels=category_counts.index, autopct='%1.1f%%',
            colors=colors, startangle=90)
axes[0].set_title('类别分布（饼图）')

# 甜甜圈图
axes[1].pie(category_counts.values, labels=category_counts.index, autopct='%1.1f%%',
            colors=colors, startangle=90, wedgeprops=dict(width=0.5, edgecolor='white'))
axes[1].set_title('类别分布（甜甜圈图）')

plt.tight_layout()
plt.show()

# 9. 仪表板式可视化
fig = plt.figure(figsize=(16, 10))
gs = GridSpec(3, 3, figure=fig, hspace=0.3, wspace=0.3)

# 关键指标
ax_metric = fig.add_subplot(gs[0, :])
ax_metric.axis('off')
metrics_text = f"""
平均年龄：{data['age'].mean():.1f} | 平均收入：${data['income'].mean():.0f} |
平均满意度：{data['satisfaction'].mean():.2f} | 购买率：{(data['purchased'].mean()*100):.1f}%
"""
ax_metric.text(0.5, 0.5, metrics_text, ha='center', va='center', fontsize=12,
               bbox=dict(boxstyle='round', facecolor='lightblue', alpha=0.7))

# 子图
ax1 = fig.add_subplot(gs[1, 0])
data['age'].hist(bins=20, ax=ax1, color='skyblue', edgecolor='black')
ax1.set_title('年龄分布')

ax2 = fig.add_subplot(gs[1, 1])
category_counts.plot(kind='bar', ax=ax2, color='lightcoral', edgecolor='black')
ax2.set_title('类别计数')

ax3 = fig.add_subplot(gs[1, 2])
data.groupby('category')['satisfaction'].mean().plot(kind='bar', ax=ax3, color='lightgreen', edgecolor='black')
ax3.set_title('按类别的平均满意度')

ax4 = fig.add_subplot(gs[2, :2])
sns.boxplot(data=data, x='region', y='income', ax=ax4, palette='Set2')
ax4.set_title('按区域的收入')

ax5 = fig.add_subplot(gs[2, 2])
data['satisfaction'].value_counts().sort_index().plot(kind='bar', ax=ax5, color='orange', edgecolor='black')
ax5.set_title('满意度评分')

plt.suptitle('数据分析仪表板', fontsize=16, fontweight='bold', y=0.995)
plt.show()

print("可视化示例完成！")

可视化最佳实践

  • 根据数据类型和问题选择图表类型
  • 使用一致的颜色方案
  • 清晰地标记轴和单位
  • 包含标题和图例
  • 当2D足够时避免使用3D图表
  • 使字体大且易读
  • 考虑色盲友好的调色板

常见图表类型

  • 条形图：分类比较
  • 线图：随时间变化的趋势
  • 散点图：变量之间的关系
  • 直方图：分布
  • 热图：矩阵数据
  • 箱线图：带四分位数的分布

交付物

  • 探索性可视化
  • 出版级图表
  • 交互式仪表板模型
  • 带注释的统计图
  • 趋势分析可视化
  • 比较分析图表
  • 总结信息图表