相关类可视化图像总结

在数据分析与可视化领域，理解变量间的相关性是揭示数据内在规律的关键。而相关类可视化图像则可以通过直观的图形语言，将数据关系转化为可感知的视觉模式，快速捕捉变量关联、分布特征及潜在趋势。 无论是探索性数据分析、多维度信息展示，还是复杂数据分布建模，这些工具均能在不同场景中发挥独特作用，成为数据洞察的重要助力。

本文所有的数据均来自kaggle的Global Air Quality (2024) - 6 Cities数据集

1. 散点图

介绍：通过平面上的点分布展示两个变量的关系，每个点代表一个数据样本，点的位置由两个变量的取值决定。

特点：

• 直观展示两个变量的关系，通过点分布呈现线性/非线性趋势、聚类或异常值；
• 支持通过颜色、形状等编码引入额外分类变量，增强多维度信息展示；
• 交互性强（如缩放、筛选），适合探索性数据分析，对异常值敏感度高。

应用场景：

• 科研领域分析变量关联性（如降雨量与作物产量）；
• 商业场景验证假设（如用户活跃度与留存率）；
• 教育研究中分析学习投入与成绩分布。

Python实现：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

df = pd.read_csv('Global Air Quality (2024) - 6 Cities/Brasilia_Air_Quality.csv').head(100)

plt.rcParams['font.sans-serif'] = ['SimHei']  
plt.rcParams['axes.unicode_minus'] = False  
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  

plt.figure(figsize=(12, 8))
plt.scatter(df['PM2.5'], df['AQI'], alpha=0.5)
plt.title('巴西利亚2024年1月1-5号的PM2.5与AQI的散点图', fontsize=14)
plt.xlabel('PM2.5 浓度 (μg/m³)', fontsize=12)
plt.ylabel('空气质量指数 (AQI)', fontsize=12)
plt.grid(True, linestyle='--', alpha=0.7)

z = np.polyfit(df['PM2.5'], df['AQI'], 1)
p = np.poly1d(z)

plt.plot(df['PM2.5'], p(df['PM2.5']), "r-", alpha=0.8)
plt.tight_layout()
plt.show()

2. 气泡图

介绍：在散点图基础上扩展的三维数据可视化图表，通过气泡位置表示两个变量，气泡大小表示第三个变量，形成多维度数据的整合展示。

特点：

• 在散点图基础上通过气泡大小引入第三个变量，实现三维数据整合；
• 视觉上突出“大小差异”，适合分组数据对比（如不同类别下多指标差异）；
• 可结合颜色进一步区分第四维度（如不同区域数据），但需注意气泡尺寸的视觉准确性。

应用场景：

• 市场分析中展示产品价格、销量、利润的三维关系；
• 地理数据可视化（如城市规模、人口、经济指标的综合对比）；
• 生态研究中分析物种栖息地、种群数量、威胁等级的关联。

Python实现：

import pandas as pd
import plotly.express as px

df = pd.read_csv('Global Air Quality (2024) - 6 Cities/Sydney_Air_Quality.csv').head(100)

fig = px.scatter(df, 
                 x='NO2',
                 y='SO2',
                 size='PM2.5',
                 color='AQI',
                 hover_data=['Date'],
                 title='悉尼2024年空气质量气泡图',
                 labels={'NO2': '二氧化氮 (NO2)',
                         'SO2': '二氧化硫 (SO2)',
                         'PM2.5': 'PM2.5',
                         'AQI': '空气质量指数'},
                 color_continuous_scale='viridis')

fig.update_layout(
    plot_bgcolor='white',
    width=1000,
    height=600,
    title_x=0.5,
    title_font_size=20,
)

fig.update_xaxes(showgrid=True, gridwidth=1, gridcolor='LightGray')
fig.update_yaxes(showgrid=True, gridwidth=1, gridcolor='LightGray')
fig.show()

3. 热力图

介绍：通过颜色梯度表示二维矩阵中数值大小的可视化方法，颜色越深代表数值越高，用于全局展示数据的密度或分布模式。

特点：

• 用颜色梯度表示二维矩阵中的数值分布，全局视角突出“热点”区域（高密度或高数值区）；
• 常与层次聚类结合，对行列分组，揭示数据内在结构（如相似样本或变量聚为一类）；
• 适用于大规模数据（如时间×用户行为矩阵），颜色方案需适配数据特性（单极、双极或分类）。

应用场景：

• 生物信息学中展示基因表达谱的聚类模式；
• 网页设计优化中分析用户点击热力分布；
• 气候研究中可视化温度/降水的时空分布。

Python实现：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

def setup_plot_style():
    """Configure plot style settings for Chinese characters"""
    plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
    plt.rcParams['axes.unicode_minus'] = False

def create_correlation_heatmap(df, title):
    """Create and display a correlation heatmap"""
    correlation_matrix = df.select_dtypes(include=['float64', 'int64']).corr()
    
    plt.figure(figsize=(10, 8))
    sns.heatmap(correlation_matrix,
                annot=True,
                cmap='coolwarm',
                vmin=-1, vmax=1,
                center=0,
                fmt='.2f',
                square=True)
    
    plt.title(title, pad=20)
    plt.tight_layout()
    plt.show()

def main():
    df = pd.read_csv('Global Air Quality (2024) - 6 Cities/New_York_Air_Quality.csv')
    setup_plot_style()
    create_correlation_heatmap(df, '纽约空气质量指标热力图')

if __name__ == '__main__':
    main()

4. 二维密度图

介绍：通过核密度估计（KDE）展示两个连续变量联合分布密度的图表，用颜色或等高线表示数据点的聚集程度，解决散点图数据重叠问题。

特点：

• 通过核密度估计（KDE）解决散点重叠问题，用颜色或等高线展示变量联合分布的密度峰值与模式；
• 可叠加散点保留个体细节，平衡全局趋势与局部数据点；
• 对多峰分布（如性别差异导致的双峰值）和低密度区域敏感，需合理调参（如带宽）。

应用场景：

• 金融领域分析资产收益率与波动率的极端值分布；
• 城市规划中研究人口密度与公共设施覆盖的关联模式；
• 生物学中鉴定单细胞亚群的标志物表达分布。

Python实现：

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

plt.rcParams['font.sans-serif'] = ['SimHei']  
plt.rcParams['axes.unicode_minus'] = False  

df = pd.read_csv('Global Air Quality (2024) - 6 Cities/London_Air_Quality.csv')
df = df.replace([np.inf, -np.inf], np.nan)
df = df.dropna(subset=['NO2', 'PM2.5'])
df['NO2'] = df['NO2'].clip(0, df['NO2'].quantile(0.99))
df['PM2.5'] = df['PM2.5'].clip(0, df['PM2.5'].quantile(0.99))

plt.close('all')

fig = plt.figure(figsize=(10, 8))
ax_main = plt.gca()

h = ax_main.hist2d(df['NO2'], df['PM2.5'], bins=50, cmap='viridis')
plt.colorbar(h[3], ax=ax_main, label='密度')

ax_main.set_xlabel('NO2 浓度')
ax_main.set_ylabel('PM2.5 浓度')

plt.suptitle('伦敦空气质量NO2与PM2.5二维密度图', y=0.95)
plt.show()

各图表优劣势对比表

图表类型	核心优势	不足之处	特点	应用场景
散点图	双变量关系直观，异常值易识别，支持交互探索	大数据点重叠严重，多变量需多图拼接	基础二维可视化，异常值敏感度高	探索性数据分析（如广告投入与销量关联）
气泡图	三维数据整合，类别对比清晰，视觉突出“大小差异”	气泡尺寸易误导比例判断，数据量大时遮挡严重	多维度紧凑展示，适合少数据点多指标	市场三维分析（价格-销量-利润综合评估）
热力图	全局热点一目了然，适合大规模矩阵数据，支持行列聚类	颜色选择影响可读性，丢失个体数据细节	密度与聚类模式可视化	基因表达谱、用户点击热力分布、相关系数矩阵
二维密度图	解决数据重叠，清晰展示分布峰值与模式，可叠加散点补充细节	依赖密度估计参数调参，小样本偏差大	分布模式深度分析，多峰识别能力强	金融风险极端值分析、单细胞亚群鉴定