數據直觀分析與可視化

---

一、數據的直觀分析核心價值

數據的直觀分析旨在通過視覺化的方式，幫助人們更直觀、更快速地理解數據的特征和模式，從而發現趨勢、異常值、分布情況以及變量之間的關系，為決策提供支持。

數據可視化與信息圖形、信息可視化、科學可視化及統計圖形密切相關。

可視化的終極目標是洞悉蘊含在數據中的現象和規律，這里面有多重含義：發現、決策、解釋、分析、探索和學習。

---

二、特殊統計圖繪制技巧

2.1 函數圖繪制

# 橢圓圖
plt.plot(x,y,c='r')
plt.axvline(x=0)
plt.axhline(y=0)
plt.text(0.2,1,r'$\frac{x^2}{a^2}+\frac{y^2}{b^2}=1$',fontsize=25)

2.2 氣泡圖與三維可視化

# 二維氣泡圖,s=8y
x=np.linspace(-4,4,20) 
print(x)
y=x**2                    
plt.scatter(x,y,s=100*y)  

# 三維散點圖
# 創建數據
x = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, x)                # 從坐標向量x,y中返回坐標矩陣
Z = np.sin(np.sqrt(X**2 + Y**2))        # Z=sin(sqrt(X^2+Y^2))# 創建圖形
fig = plt.figure(figsize=(10, 8))
ax = fig.add_axes(Axes3D(fig, elev=30, azim=20))  # 使用add_axes方法創建3D坐標軸
ax.scatter(X, Y, Z, c=Z, cmap='viridis', s=30, alpha=0.6)  # 添加顏色映射和透明度# 設置標簽
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')# 顯示圖形
plt.show()

---

三、Seaborn高效統計繪圖

3.1 箱線圖與小提琴圖對比

繪圖所用數據如下：

# 讀取繪圖用數據
import pandas as pd
BSdata=pd.read_excel('DaPy_data.xlsx','BSdata')
BSdata.head()

# 箱線圖（boxplot）
sns.boxplot(x=BSdata['身高'])

# 小提琴圖（violinplot）
sns.violinplot(x='開設', y='支出', hue='性別', data=BSdata)

3.2 分布圖矩陣

# 概率分布圖
BSdata['身高'].hist() 

---

四、ggplot繪圖系統實踐

4.1 基礎使用

包的安裝：

!pip show ggplot
!pip show plotnine

包的加載與設置：

from plotnine import *    #加載和調用ggplot所有方法
theme_set(theme_bw(base_family='SimHei')) 
#設置圖形主題背景為白色bw、中文字體為黑體SimHei

---

4.2 ggplot中圖層

GP=ggplot(BSdata,aes(x='身高',y='體重')) #繪制直角坐標系
GP 

GP + geom_point()  #增加點圖

GP + geom_line()   #增加線圖

GP + geom_point() + geom_line()  #增加點和線圖

4.3 統計圖繪制

#在plotnine中可使用facet_wrap參數可以按類型繪制分面圖。
ggplot(BSdata,aes('身高','體重')) + geom_point() + facet_wrap('性別',nrow=2) 

# 折線圖
ggplot(BSdata,aes(x='支出',y='身高',color='性別',shape='性別')) + geom_line() + geom_point()

---

五、pyecharts動態繪圖精解

pyecharts是基于Echarts圖表的一個類庫，而Echarts是百度開源的商業級數據圖表，它是一個純JavaScript的圖表庫，可以為用戶提供直觀生動、可交互、可高度個性化定制的數據可視化圖表，賦予了用戶對數據進行挖掘整合的能力。

https://echarts.apache.org/zh/index.html

pyecharts主要基于web瀏覽器進行顯示，繪制的圖形比較多，包括折線圖、柱狀圖、餅圖、漏斗圖、地圖、極坐標圖等，代碼量很少，而且很靈活，繪制出來的圖形很美觀。

使用pyecharts時，需要安裝相應的庫，安裝命令為：

pip install pyecharts
A Python Echarts Plotting Library——https://pyecharts.org/#/

5.1 pyecharts安裝全攻略

環境準備

# 創建虛擬環境（推薦）
python -m venv vis_env
source vis_env/bin/activate  # Linux/Mac
vis_env\Scripts\activate     # Windows# 核心安裝
pip install pyecharts -U# 擴展組件
pip install echarts-countries-pypkg      # 437個國家地圖
pip install echarts-china-provinces-pypkg # 34個省級行政區
pip install echarts-china-cities-pypkg    # 367個市級城市

版本驗證

import pyecharts
print(pyecharts.__version__)  # 輸出應為1.x.x或2.x.x

5.2 基礎圖表快速上手

動態柱狀圖

from pyecharts.charts import Barbar = Bar()
bar.add_xaxis(["蘋果", "華為", "小米", "OPPO"])
bar.add_yaxis("手機銷量", [25, 30, 18, 22])
bar.set_global_opts(title_opts={"text": "2023 Q2手機銷量統計"})
bar.render('phone_sales.html')

3D散點圖

from pyecharts.charts import Scatter3D
import randomdata = [[random.randint(0,100) for _ in range(3)] for _ in range(100)]
scatter = Scatter3D().add("", data)
scatter.render("3d_scatter.html")

5.3 高級配置技巧

地圖可視化

from pyecharts.charts import Mapdata = [("廣東", 125), ("江蘇", 98), ("山東", 87)]
map_chart = Map().add("GDP分布", data, "china")
map_chart.set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=150))
map_chart.render('china_gdp.html')

---

六、常見問題解決方案

6.1 地圖顯示異常處理

現象：地圖空白或只顯示輪廓

# 正確加載省級地圖
from pyecharts.datasets import register_url
register_url("https://echarts-maps.github.io/echarts-china-provinces-js/")# 強制刷新緩存
import pyecharts.globals as g
g._WarningControl.ShowWarning = False

6.2 Jupyter內聯顯示配置

from pyecharts.globals import CurrentConfig
CurrentConfig.NOTEBOOK_SHOW = True# 顯示圖表
bar.load_javascript()
bar.render_notebook()

---

七、可視化最佳實踐建議

1. 數據預處理：清洗缺失值，規范數據格式

2. 顏色選擇：使用ColorBrewer科學配色方案

3. 交互設計：合理控制動畫效果復雜度

4. 移動適配：響應式布局配置

   bar.set_global_opts(datazoom_opts=[opts.DataZoomOpts(type_="inside")],toolbox_opts=opts.ToolboxOpts(is_show=True))

---

八、學習資源推薦

1. ECharts官方示例庫
2. pyecharts-gallery項目
3. 《Python數據可視化之美》專業書籍
4. DataViz項目實戰案例集

---