随笔分类 - 数据分析与绘图实例
摘要：排序 （Ranking） 包点图 （Dot Plot） 包点图表传达了项目的排名顺序，并且由于它沿水平轴对齐，因此您可以更容易地看到点彼此之间的距离。 https://datawhalechina.github.io/pms50/#/chapter17/chapter17 导入所需要的库 impor
阅读全文
摘要：排序 （Ranking） 棒棒糖图 （Lollipop Chart） 棒棒糖图表以一种视觉上令人愉悦的方式提供与有序条形图类似的目的。 https://datawhalechina.github.io/pms50/#/chapter16/chapter16 导入所需要的库 import numpy
阅读全文
摘要：偏差 （Deviation） 有序条形图 （Ordered Bar Chart） 有序条形图有效地传达了项目的排名顺序。 但是，在图表上方添加度量标准的值，用户可以从图表本身获取精确信息。 https://datawhalechina.github.io/pms50/#/chapter15/chap
阅读全文
摘要：偏差 （Deviation） 面积图 （Area Chart） 通过对轴和线之间的区域进行着色，面积图不仅强调峰和谷，而且还强调高点和低点的持续时间。 高点持续时间越长，线下面积越大。 https://datawhalechina.github.io/pms50/#/chapter14/chapte
阅读全文
摘要：偏差 （Deviation） 带标记的发散型棒棒糖图 （Diverging Lollipop Chart with Markers） 带标记的棒棒糖图通过强调您想要引起注意的任何重要数据点并在图表中适当地给出推理，提供了一种对差异进行可视化的灵活方式。 https://datawhalechina.
阅读全文
摘要：偏差 （Deviation） https://datawhalechina.github.io/pms50/#/chapter11/chapter11 发散型文本 （Diverging Texts） 如果您想根据单个指标查看项目的变化情况，并可视化此差异的顺序和数量，那么散型条形图 （Divergi
阅读全文
摘要：https://datawhalechina.github.io/pms50/#/chapter10/chapter10 如果您想根据单个指标查看项目的变化情况，并可视化此差异的顺序和数量，那么散型条形图 （Diverging Bars） 是一个很好的工具。 它有助于快速区分数据中组的性能，并且非常
阅读全文
摘要：矩阵图 https://datawhalechina.github.io/pms50/#/chapter9/chapter9 导入所需要的库 import numpy as np # 导入numpy库 import pandas as pd # 导入pandas库 import matplotlib
阅读全文
摘要：相关图 https://datawhalechina.github.io/pms50/#/chapter8/chapter8 导入所需要的库 import numpy as np # 导入numpy库 import pandas as pd # 导入pandas库 import matplotlib
阅读全文
摘要：https://datawhalechina.github.io/pms50/#/chapter7/chapter7 边缘箱形图 （Marginal Boxplot） 边缘箱图与边缘直方图具有相似的用途。 然而，箱线图有助于精确定位 X 和 Y 的中位数、第25和第75百分位数。 导入所需要的库 i
阅读全文
摘要：https://datawhalechina.github.io/pms50/#/chapter6/chapter6 边缘直方图 （Marginal Histogram） 边缘直方图具有沿 X 和 Y 轴变量的直方图。 这用于可视化 X 和 Y 之间的关系以及单独的 X 和 Y 的单变量分布。 这种
阅读全文
摘要：https://datawhalechina.github.io/pms50/#/chapter5/chapter5 计数图 （Counts Plot） 避免点重叠问题的另一个选择是增加点的大小，这取决于该点中有多少点。 因此，点的大小越大，其周围的点的集中度越高。 导入所需要的库 import n
阅读全文
摘要：https://datawhalechina.github.io/pms50/#/chapter3/chapter3 如果你想了解两个变量如何相互改变，那么最佳拟合线就是常用的方法。 下图显示了数据中各组之间最佳拟合线的差异。 要禁用分组并仅为整个数据集绘制一条最佳拟合线，请从下面的 sns.lmp
阅读全文
摘要：https://datawhalechina.github.io/pms50/#/chapter2/chapter2 关联 （Correlation） 关联图表用于可视化2个或更多变量之间的关系。 也就是说，一个变量如何相对于另一个变化。 带边界的气泡图 有时，您希望在边界内显示一组点以强调其重要性
阅读全文
摘要：关联 （Correlation） 关联图表用于可视化2个或更多变量之间的关系。 也就是说，一个变量如何相对于另一个变化。 散点图（Scatter plot） 散点图是用于研究两个变量之间关系的经典的和基本的图表。 如果数据中有多个组，则可能需要以不同颜色可视化每个组。 在 matplotlib 中，
阅读全文
摘要：链接 https://github.com/datawhalechina/pms50 python可视化50图解读（pms50），在线阅读地址：https://datawhalechina.github.io/pms50/ python可视化50图解读(Pms50-Notes) python可视化5
阅读全文
摘要：1 简介（思维导图） 2 重要概念 3 数据转换 4 可视化如何帮助决策 5 可视化图像
阅读全文
