資源簡介

(共23張PPT)
5.4數據可視化表達
01.
數據可視化表達的方式
02.
數據可視化表達的工具
目錄
數據可視化是指以圖形、圖像、地圖、動畫等生動、易于理解的方式展示數據和詮釋數據之間的關系、趨勢與規律等，以便更好地理解數據。
優點：把枯燥乏味的海量數據以豐富的視覺效果呈現數據所反映的本質問題，有效提升數據分析的效率。
一、
數據可視化表達的方式
有關趨勢的分析
有關比例的分析
邏輯關系
空間關系
有關關系的分析
3
1
2
1.數據分析類型
解釋型
02
探索型
01
2.數據可視化的呈現類型
3.數據可視化有哪些優勢？
1）更容易被記住
2）可以多維度顯示數據
3）快速展現企業存在的風險
按照處理數據類型的不同，可視化呈現的主要方式
柱形圖最適合用于項目和數據的比較，在X軸和Y軸上可以同時顯示多組數據。Y軸還可以顯示項目分類。
柱形圖
1
折線圖是比較常用的圖表，適用于很多的業務場景：比較每組的數據查看趨勢
折線圖
2
條形圖可以用于多個項目之間的對比，Y軸上通常顯示類別或項目，還可以按照類別進行分組，X軸上顯示數值。
條形圖
3
有關趨勢的分析
當你打算顯示百分比或者比例的時候，餅圖是最好的選擇。餅圖展示的是局部與整體的關系，所以這個整體必須是有意義的。
餅圖
1
面積圖又稱作是區域圖，它所強調的是數量隨著時間而變化的程度，也可以用于引起人們對總值趨勢的注意。那么什么是層疊面積圖呢？層疊面積圖和基本的面積圖基本上一樣，唯一的區別就是圖上每一個書數據集的起點不同。
起點是基于前一個數據集的，用于顯示每一個數值所占大小隨時間或者類別變化的趨勢線，展示的是部分與整體的關系。在層疊面積圖的基礎上，將各個面積的因變量的數據使用加和后的總量進行歸一化就形成了百分比層疊面積圖。
堆疊面積圖
2
我們經常會從電視新聞中看到關于完成率百分比的圓形圖表。不要以為這樣的圓形圖表是用餅圖完成的。其實，利用柱形圖和圓形圖形，才能更好地制作出這樣的效果
百分比圓環圖
3
有關比例的分析
指在回歸分析中，數據點在直角坐標系平面上的分布圖，散點圖表示因變量隨自變量而變化的大致趨勢，據此可以選擇合適的函數對數據點進行擬合。
散點圖
1
雷達圖是以從同一點開始的軸上表示的三個或更多個定量變量的二維圖表的形式顯示多變量數據的圖形方法。軸的相對位置和角度通常是無信息的。
雷達圖也稱為網絡圖，蜘蛛圖，星圖，蜘蛛網圖，不規則多邊形，極坐標圖或Kiviat圖。它相當于平行坐標圖，軸徑向排列。
雷達圖
2
“詞云”就是通過形成“關鍵詞云層”或“關鍵詞渲染”，對網絡文本中出現頻率較高的“關鍵詞”的視覺上的突出。
詞云圖
3
有關關系的分析（邏輯關系）
應用地圖來分析和展示與位置相關的數據，要比在Excel中單純的數字更為明確和直觀，讓人一目了然。
數據地圖
1
熱力圖可顯性、直觀地將網頁流量數據分布通過不同顏色區塊呈現，給中小網站網頁優化與調整提供了有力的參考依據，方便合作網站提高用戶體驗。
動態熱力圖
2
3D動態顯示圖
3
有關關系的分析（空間關系）
體
驗
1.
觀看微課視頻“詞云圖程序介紹”
；
2.
運行“程序5-9-1
詞云圖（教材范例）.py”，體驗詞云圖可視化呈現分析結果。
程序5-9-1
詞云圖
二、
數據可視化表達的工具
觀察電流與電阻關系曲線圖，經過推理和實驗驗證，電流I與電阻R反比例關系成立
1.Seaborn
Seaborn主要關注統計模型的可視化。例如，直方圖既可以總結數據，也可以描繪總體
分布。Seaborn基于且高度依賴于Matplotlib。
直方圖程序5-7
2.Bokeh：是一個很好的可視化庫，可實現交互式可視化。與其他庫相反，Bokeh是獨立于
Matplotlib的。Bokeh的重點在其交互性，且是通過瀏覽器以數據驅動文檔的風格呈現。
Bokeh示例程序及結果
實
踐
在python中，可視化數據分析類型及對應的可視化呈現方式有哪些？數據可視化表達的工具有哪些？總結項目活動中采用過的數據可視化表達的方式和工具，以小組為單位，通過學習、交流，探究和實踐，填寫下表。
數據分析
類型
可視化呈
現類型
可視化
工具
示例關鍵代碼
呈現效果
邏輯關系
正弦圖
pyplot
import
numpy
as
np
#引入numpy庫模塊，用np替代
import
matplotlib.pyplot
as
plt
#引入matplotlib庫模塊中的pyplot方法，用plt替代
from
pylab
import
#引入pylab庫模塊中的所有方法
x
=
np.arange(-5.0,
5.0,
0.5)
#定義x軸數值為-5到5，步長為0.02
y
=
np.sin(x)
#利用正弦函數計算出x軸數值對應的y軸數值
plt.plot(x,
y)
#利用x,y軸對應的數值繪制出圖形
plt.show()
#顯示出繪制的圖形
邏輯關系
散點圖
pyplot
#異常值處理、找到異常值、畫散點圖（橫軸：價格，縱軸：評論數）
data2=data.T
price=data2.values[2]
comt=data2.values[3]
plt.xlabel('price')
#顯示X坐標標簽
plt.ylabel('comt')
#顯示Y坐標標簽
pyl.plot(price,comt,"o")
pyl.show()
5.4數據的可視化表達
數據分析
類型
可視化呈
現類型
可視化
工具
示例關鍵代碼
呈現效果
邏輯關系
直方圖
Pyplot
邏輯關系
聚類圖
Pyplot
#繪制價格直方圖
#npy.arrange(最小,最大,組距)
pricesty=npy.arange(pricemin,pricemax,pricedst)
plt.xlabel('price')
#顯示X坐標標簽
plt.ylabel('number')
#顯示Y坐標標簽
pyl.hist(da2[2],pricesty)
pyl.show()
#年齡-消費金額圖，消費時間-消費金額圖，年齡-消費時間圖
for
i
in
range(0,len(y)):
if(y[i]==0):
print(str(i)+"0")
pyl.subplot(2,3,1)
#年齡-消費金額圖
pyl.plot(dataf.iloc[i:i+1,0:1].as_matrix(),dataf.iloc[i:i+1,1:2].as_matrix(),"
r")
pyl.subplot(2,3,2)
#消費時間-消費金額圖
pyl.plot(dataf.iloc[i:i+1,2:3].as_matrix(),dataf.iloc[i:i+1,1:2].as_matrix(),"
r")
pyl.subplot(2,3,3)
#年齡-消費時間圖
pyl.plot(dataf.iloc[i:i+1,0:1].as_matrix(),dataf.iloc[i:i+1,2:3].as_matrix(),"
r")
數據分析
類型
可視化呈
現類型
可視化
工具
示例關鍵代碼
呈現效果
邏輯關系
直方圖
Seaborn
邏輯關系
正弦圖
Bokeh
import
numpy
as
np
import
seaborn
as
sns
import
matplotlib.pyplot
as
plt
sns.set(
palette="muted",
color_codes=True)
rs
=
np.random.RandomState(10)
d
=
rs.normal(size=100)
f,
axes
=
plt.subplots(2,
2,
figsize=(7,
7),
sharex=True)
sns.distplot(d,
kde=False,
color="b",
ax=axes[0,
0])
sns.distplot(d,
hist=False,
rug=True,
color="r",
ax=axes[0,
1])
sns.distplot(d,
hist=False,
color="g",
kde_kws={"shade":
True},
ax=axes[1,
0])
sns.distplot(d,
color="m",
ax=axes[1,
1])
plt.show()
import
numpy
as
np
from
bokeh.layouts
import
gridplot
from
bokeh.plotting
import
figure,
output_file,
show
N
=
100
x
=
np.linspace(0,
4
np.pi,
N)
y0
=
np.sin(x)
output_file('sinewave.html')
sine
=
figure(width=500,
plot_height=500,
title='Sine')
sine.circle(x,
y0,
size=10,
color="navy",
alpha=0.5)
p
=
gridplot([[sine]],
toolbar_location=None)
show(p)
謝
謝5.4數據的可視化表達練習及答案
一、選擇題
下列不是數據分析類型的是(
C
)
有關趨勢的分析
有關比例的分析
有關大小的分析
有關關系的分析
數據可視化的呈現類型有(
A
)
探索型
試探型
邏輯型
布爾型
下列不是數據可視化優勢的是(
D
)
更容易被記住
可以多維度顯示數據
快速展現企業存在的風險
只能一維度顯示數據
下列不是有關趨勢的分析的是(
D
)
折線圖
柱形圖
堆疊柱形圖
圈圖
Mac?OS系統的開發者是（
C?）。
A：微軟公司
B：惠普公司
C：蘋果公司
D：IBM公司
下列不是有關邏輯關系的分析是（
C
）
散點圖
詞云
數據地圖
雷達圖
Seaborn是主要關注（
A
）的可視化。
統計模型
交互式
操作式
驅動式
二、判斷題
1.數據可視化是指以圖形、圖像、地圖、動畫等生動、易于理解的方式展示數據和詮釋數據之間的關系、趨勢與規律等，以便更好地理解數據。（T）
2.詞云可以使得難以實現結構化的數據文本挖掘成為輕而易舉的事情。（F）

展開更多......

收起↑