详细数据分析步骤(三)——可视化分析

之前的文章讲述的均为数据的前期处理，然而如今对于数据分析而言，数据的可视化也十分重要。所以这篇文章主要想介绍5 种常用可视化图表该怎么用和介绍数据透视表

第一部分 5 种常用可视化图表

在进行绘制之前，需要先引入python的两个第三方库

import matplotlib.pyplot as plt

import seaborn as sns

一.条形图

条形图 (Bar Chart) 也称为「棒形图」或「柱形图」，采用水平或垂直条形（柱形图）来比较不同类别的离散数值。图表其中一条轴代表要比较的具体类别，另一条则用作离散数值的标尺。条形图的离散数据是分类数据，针对的是单一类别中的数量多少，而不会显示数值在某时间段内的持续发展。

ptyhon绘图函数:sns.countplot()/plt.bar()

二.饼图

饼形图 (Pie Chart) 把一个圆圈划分成不同比例的分段，以展示各个类别之间的比例。饼形图适合用来快速展示数据比例分布，但主要缺点是：不能显示太多项目、通常需要图例说明、不能准确比较。

python绘图函数：plt.pie(数据集.value_counts(normalize = True))

三.箱型图

箱形图又称为「盒须图」或「箱线图」，能方便显示数字数据组的四分位数，可以垂直或水平的形式出现。从盒子两端延伸出来的线条称为「晶须」(whiskers)，用来表示上、下四分位数以外的变量。异常值 (Outliers) 有时会以与晶须处于同一水平的单一数据点表示。箱形图通常用于描述性统计，是以图形方式快速查看一个或多个数据集的好方法。

python绘图函数：sns.boxplot(x/y = 数据,saturation = 0.75,whis = 1.5)

其中saturation是指箱型的边界，whis是指上界为四分位间距的几倍，系统默认为1.5

四.折线图

折线图用于在连续间隔或时间跨度上显示定量数值，最常用来显示趋势和关系。此外，折线图也能给出某时间段内的「整体概览」，看看数据在这段时间内的发展情况。

python绘图函数:sns.pointplot(横轴= ,纵轴= ,数据)

五.直方图和分布曲线

直方图适合用来显示在连续间隔或特定时间段内的数据分布，有助于估计数值集中位置、上下限值以及确定是否存在差距或异常值；也可粗略显示概率分布。

分布曲线，用于显示数据在连续时间段内的分布状况。这种图表是直方图的变种，使用平滑曲线来绘制数值水平，从而得出更平滑的分布，并且它们不受所使用分组数量的影响，所以能更好地界定分布形状 。

python绘图函数:：sns.distplot(数据,bins = ,kde = False/hist = False)

其中，kde决定分布曲线是否绘制，hist决定直方图是否绘制。系统默认两者均为True，即都绘制

第二部分 数据透视表

数据透视表是分类、汇总、计算数据的强大工具，可以将分散的数据明细进行汇总处理，因而在数据分析入门阶段要求熟练掌握。作为统计学专业的学生，在大学刚开始时老师就向我们强调了数据透视表的作用之强大与使用之便利。最常用于数据透视表制作的工具莫过于excel

• 什么情况下适合运用数据透视表？

1、有大量的数据，使用函数计算慢、繁琐

2、希望快速制作、整理、分析各类报表

3、数据源经常发生变化，并且要经常分析和处理最新的数据

4、想快速洞察数据背后隐藏的意义

• 前期数据整理

规范的源数据是数据透视表的核心基础。只有源数据符合一定的规则，数据透视表才能发挥其强大的功能。一个符合标准的源数据应具备以下 4 个特点：

1）源数据包含标题行。

2）同一类数据，放置在一列。

3）源数据中，按标准数据类型存储数据。

4）同一列内数据类型要求相同。

数据透视表的威力虽然无比强大，但使用前提是数据源要规范，否则会给后期创建和使用数据透视表带来层层阻碍，甚至无法创建数据透视表。因此数据透视表创建之前，要先做好前期数据整理。以下是经常会出现的数据规范错误：

1、包含空字段 ：若有含空字段，将无法制作数据透视表

2、包含相同字段 ：对于相同的字段名，excel会自动添加序号，以示区别

3、有合并单元格 ：字段所在行有合并单元格，等同于空字段，也无法创建数据透视表

4、有空行：如果有空行，会当成空值处理

5、包含有文本型数字：文本型数字会导致汇总求和时报错

具体如何用excel制作数据透视表就不赘述了，网上有很多教程

推荐阅读： 数据透视表，一篇就够了 - 知乎

如何使用 Excel 透视表？ - 知乎

下面介绍python用于制作数据透视表的函数：

pivot_table(data, values=None, index=None, columns=None,aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

推荐阅读：Python中pandas透视表pivot_table功能详解（非常简单易懂） - The-Chosen-One - 博客园