25、数据可视化探索：多变量与分布分析

数据可视化探索：多变量与分布分析

1. 空间数据与多变量数据概述

1.1 空间数据探索

空间数据与分类数据类似，但包含地理成分。探索空间数据时，首先要了解数据范围，然后寻找区域模式。例如，思考在一个国家或大陆的特定区域内，是否存在较高或较低的值聚集。由于单个值只能反映一个有人居住区域的一小部分情况，所以要思考模式所暗示的含义，并参考其他数据集来验证推测。

1.2 多变量数据特点

数据通常以表格形式呈现，有多列，每列代表一个变量。可能包括来自多项问题的民意调查响应数据、测量系统多个方面的实验结果，或包含各国多方面信息的人口统计数据等。

2. 少量变量关系可视化

2.1 散点图展示变量关系

当有两个关于人、地点或事物的指标时，我们可能想知道一个指标如何随另一个指标变化。例如，高 burglary 率的城市是否也有高 homicide 率？房价与房屋面积之间有什么关系？每天喝更多汽水的人是否往往体重更重？

可以用类似于时间序列数据的方式可视化这些关系。在本章中，点图将时间放在横轴，变量放在纵轴，而散点图则用另一个变量代替时间，将两个变量相互绘制。以 2008 - 2009 年 NBA 篮球赛季为例，球员的使用百分比（球员在场上参与控球的估计百分比）绘制在横轴，每场得分绘制在纵轴。可以预期，控球时间更多的球员每场得分往往更多。

2.2 相关性与因果关系

变量之间的这种统计关系称为相关性。通常一个变量增加，另一个变量也会增加。在上述例子中，相关性在图表中很强且明显，但相关强度可能会有所不同。

需要注意的是，在探索