一图胜千言

理解数据可视化

Richie Cotton

Data Evangelist at DataCamp

你将学到什么

• 如何选择合适的图表？
• 如何解读常见图表？
• 绘图的最佳实践是什么？

获取洞见的三种方式

计算汇总统计

mean、median、standard deviation

运行模型

线性与逻辑回归

绘制图表

散点图、条形图、直方图

Datasaurus Dozen（十二龙）

away_x	away_y	bullseye_x	bullseye_y	...	x_shape_x	x_shape_y
32.33	61.41	51.20	83.34	...	38.34	92.47
53.42	26.19	58.97	85.50	...	35.75	94.12
63.92	30.83	51.87	85.83	...	32.77	88.52
70.29	82.53	48.18	85.05	...	33.73	88.62
34.12	45.73	41.68	84.02	...	37.24	83.72
67.67	37.11	37.89	82.57	...	36.03	82.04

¹ Matejka, J., & Fitzmaurice, G. (2017) https://www.autodeskresearch.com/publications/samestats

各数据集的 x 均值

dataset	mean(x)
away	54.27
bullseye	54.27
circle	54.27
dino	54.26
dots	54.26
h_lines	54.26
high_lines	54.27

dataset	mean(x)
slant_down	54.27
slant_up	54.27
star	54.27
v_lines	54.27
wide_lines	54.27
x_shape	54.26

各数据集的 x 与 y 均值

dataset	mean(x)	mean(y)
away	54.27	47.83
bullseye	54.27	47.83
circle	54.27	47.84
dino	54.26	47.83
dots	54.26	47.84
h_lines	54.26	47.83
high_lines	54.27	47.84

dataset	mean(x)	mean(y)
slant_down	54.27	47.84
slant_up	54.27	47.83
star	54.27	47.84
v_lines	54.27	47.84
wide_lines	54.27	47.83
x_shape	54.26	47.84

各数据集的标准差

dataset	std_dev(x)	std_dev(y)
away	16.77	26.94
bullseye	16.77	26.94
circle	16.76	26.93
dino	16.77	26.94
dots	16.77	26.93
h_lines	16.77	26.94
high_lines	16.77	26.94

dataset	std_dev(x)	std_dev(y)
slant_down	16.77	26.94
slant_up	16.77	26.94
star	16.77	26.93
v_lines	16.77	26.94
wide_lines	16.77	26.94
x_shape	16.77	26.93

连续变量与分类型变量

连续型：通常为数值

• 身高、气温、收入

连续变量与分类型变量

连续型：通常为数值

• 身高、气温、收入

分类型：通常为文本

• 眼睛颜色、国家、行业

连续变量与分类型变量

连续型：通常为数值

• 身高、气温、收入

分类型：通常为文本

• 眼睛颜色、国家、行业

可能二者皆可

• 年龄是连续的，但年龄段是分类型
• 时间是连续的，但月份是分类型

Let's practice!

理解数据可视化