【DW组队学习—动手学数据分析】第二章：第四节数据可视化

**复习：**回顾学习完第一章，我们对泰坦尼克号数据有了基本的了解，也学到了一些基本的统计方法，第二章中我们学习了数据的清理和重构，使得数据更加的易于理解；今天我们要学习的是第二章第三节：数据可视化，主要给大家介绍一下Python数据可视化库Matplotlib，在本章学习中，你也许会觉得数据很有趣。在打比赛的过程中，数据可视化可以让我们更好的看到每一个关键步骤的结果如何，可以用来优化方案，是一个很有用的技巧。

2 第二章：数据可视化

开始之前，导入numpy、pandas以及matplotlib包和数据

# 加载所需的库
# 如果出现 ModuleNotFoundError: No module named 'xxxx'
# 你只需要在终端/cmd下 pip install xxxx 即可
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

#加载result.csv这个数据
result = pd.read_csv("result.csv")
result.head()

	Unnamed: 0	PassengerId	Survived	Pclass	Name	Sex	Age	SibSp	Parch	Ticket	Fare	Cabin	Embarked
0	0	1	0	3	Braund, Mr. Owen Harris	male	22.0	1	0	A/5 21171	7.2500	NaN	S
1	1	2	1	1	Cumings, Mrs. John Bradley (Florence Briggs Th...	female	38.0	1	0	PC 17599	71.2833	C85	C
2	2	3	1	3	Heikkinen, Miss. Laina	female	26.0	0	0	STON/O2. 3101282	7.9250	NaN	S
3	3	4	1	1	Futrelle, Mrs. Jacques Heath (Lily May Peel)	female	35.0	1	0	113803	53.1000	C123	S
4	4	5	0	3	Allen, Mr. William Henry	male	35.0	0	0	373450	8.0500	NaN	S

2.7 如何让人一眼看懂你的数据？

《Python for Data Analysis》第九章

2.7.1 任务一：跟着书本第九章，了解matplotlib，自己创建一个数据项，对其进行基本可视化

【思考】最基本的可视化图案有哪些？分别适用于那些场景？（比如折线图适合可视化某个属性值随时间变化的走势）

【总结】常见可视化图表 更多图表可参考：https://blog.youkuaiyun.com/weixin_41545602/article/details/111828028

1. 柱状图
   适用场景：它的适用场合是二维数据集（每个数据点包括两个值x和y），但只有一个维度需要比较。
   优势：柱状图利用柱子的高度，反映数据的差异。肉眼对高度差异很敏感，辨识效果非常好。
   劣势：柱状图的局限在于只适用中小规模的数据集。
2. 折线图
   适用场景: 折线图适合二维的大数据集，尤其是那些趋势比单个数据点更重要的场合。它还适合多个二维数据集的比较。
   优势：容易反应出数据变化的趋势。
3. 饼图
   适用场景：适用简单的占比图，在不要求数据精细的情况下可以适用。
   优势：可以直观观察到各部分占比情况。
   劣势：饼图是一种应该避免使用的图表，因为肉眼对面积大小不敏感。
   【注】最好的做法是从12点方向开始，顺时针按份额大小排列。
4. 漏斗图
   适用场景：漏斗图适用于业务流程比较规范、周期长、环节多的流程分析，通过漏斗各环节业务数据的比较，能够直观地发现和说明问题所在。
   优势:能够直观地发现和说明问题所在。在网站分析中，通常用于转化率比较，它不仅能展示用户从进入网站到实现购买的最终转化率，还可以展示每个步骤的转化率。
   劣势:单一漏斗图无法评价网站某个关键流程中各步骤转化率的好坏。
5. 地图
   适用场景：适用于有空间位置的数据集。
   优劣势：特殊状况下使用。
6. 雷达图
   适用场景：雷达图适用于多维数据（四维以上），且每个维度必须可以排序。但是，它有一个局限，就是数据点最多6个，否则无法辨别，因此适用场合有限。
   劣势：需要注意的时候，用户不熟悉雷达图，解读有困难。使用时尽量加上说明，减轻解读负担。

【注】可视化图表使用的注意事项

1. 在折线图中使用虚线。虚线会让人分心，用实线搭配合适的颜色更容易区分。
2. 数据被遮盖。确保数据不会因为设计而丢失或被覆盖。例如在面积图中使用透明效果来确保用户可以看到全部数据。
3. 耗费用户更多的精力。通过辅助的图形元素来使数据更易于理解，比如在散点图中增加趋势线。
4. 柱状过宽或过窄。柱子的间隔最好调整为宽的1/2。
5. 数据对比困难。选择合适的图表，让数据对比更明显直接。
6. 错误呈现数据。
7. 数据没有很好归类，没有重点区分。将同类数据归类，简化色彩，帮助用户更快理解数据。
8. 误导用户的图表。要客观反映真实数据，纵坐标不能被截断，否则视觉感受和实际数据相差很大。

【参考】https://nn.sumaart.com/share/119.html

2.7.2 任务二：可视化展示泰坦尼克号数据集中男女中生存人数分布情况（用柱状图试试）。

**matplotlib.pyplot.bar(x，height， width，*，align=‘center’，kwargs)

参数：

• x：包含所有柱子的下标的列表
• height：包含所有柱子的高度值的列表
• width：每个柱子的宽度。可以指定一个固定值，那么所有的柱子都是一样的宽。或者设置一个列表，这样可以分别对每个柱子设定不同的宽度。
• align：柱子对齐方式，有两个可选值：center和edge。center表示每根柱子是根据下标来对齐, edge则表示每根柱子全部以下标为起点，然后显示到下标的右边。如果不指定该参数，默认值是center。

其他可选参数：

• color：每根柱子呈现的颜色。同样可指定一个颜色值，让所有柱子呈现同样颜色；或者指定带有不同颜色的列表，让不同柱子显示不同颜色。
• edgecolor：每根柱子边框的颜色。同样可指定一个颜色值，让所有柱子边框呈现同样颜色；或者指定带有不同颜色的列表，让不同柱子的边框显示不同颜色。
• linewidth：每根柱子的边框宽度。如果没有设置该参数，将使用默认宽度，默认是没有边框。
• tick_label：每根柱子上显示的标签，默认是没有内容。