在应用统计和机器学习中，数据可视化可以说是最重要的技能之一。总结来说，数据可视化是通过使用图形（例如图表、绘图、表格、甚至动画）来表示数据的一种方式。

它提供了一套重要的工具，以易于理解的方式识别对性质的理解、关系和数据驱动的洞察力，并且是业务分析的重要方面。

在这篇文章中，我们将讨论一些基本的、可以让你以更好的方式理解的数据可视化图表。

不同类型的数据可视化技术：

• i. 单变量分析（Univariate Analysis）
• ii. 双变量分析（Bivariate Analysis）
• iii. 多元分析（Multivariate Analysis）

i. 单变量分析（Univariate Analysis）

在这种技术中，单个特征用来对几乎所有属性进行分类。用于单变量分析的常用可视化技术是直方图（histogram），也就是频率分布图。类似的，箱线图（box plot）和小提琴图（Violin plot）用于比较变量的分布，并对异常值提供洞察。

a. 直方图

• 1. 存在于Seaborn包中。
• 2. 这是一种条形图，其中 X 轴代表 bin 的范围，而 Y 轴提供有关频率的信息。
• 3. 它是用分布图形表示数值数据的准确方法之一。

b. 箱形图

• 1. Seaborn库中提供了箱线图。
• 2. 通过四分位数描绘的数字来展示数据的视觉表示。箱线图也常被用于检测数据集中的异常值。它通过简单的方框和线条有效地捕获数据摘要，我们可以轻松地跨组进行比较。它用第 25、第 50 和第 75个百分位数来汇总样本数据。这些百分位数也称为下四分位数、中位数和上四分位数。
• 3. 箱线图由最小值、第一四分位数( 25%)、中位数（第二四分位数或 50%）、第三四分位数(75%)、以及最大值组成。

c. 小提琴图

• 1. 你可以把小提琴图可以看作把箱线图放在中间，数据放在两侧的分布图（核密度估计Kernel Density Estimation）的组合。
• 2. 它可以给我们描述数据集的分布，比如分布是否是多模态的（multimodal）、偏度（Skewness）等。
• 3. 它还为我们提供了有用的信息，比如95% 置信区间。

ii. 双变量分析

此类数据涉及 两个不同的变量。这类数据的分析包含原因和关系，我们对它们进行分析以找出两个变量之间的关系。

a. 线图

• 1. 只要是分析2 个变量之间类型， 你可以在各个地方遇到这个图。
• 2. 线图是一系列数据点上的值，用直线连接起来。
• 3. 它用ROC-AUC 曲线，分析一个模型的性能。

b. 条形图

• 1. 条形图或条形图是用矩形条表示数据类别的图形，矩形条的长度和高度取决于它们所代表的值。
• 2. 条形图可以水平或垂直绘制。条形图描述了离散类别之间的比较。图的一个轴代表被比较的特定类别，而另一个轴代表与类别对应的测量值。
• 3. 条形图存在于Matplotlib包中。

c. 散点图

• 1. 散点图是一个图表，其中每个值都由一个点表示。
• 2. 散点图需要相同长度的数组，一个用于 x 轴的值，另一个用于 y 轴的值。每个数据都表示为一个点，其位置由 x 和 y 列给出。
• 3. 散点图可以是 2-D 或 3-D的。二维散点图是常见的散点图，主要用来找出数据的模式、聚类和可分离性。

iii.多元分析

当数据涉及三个或更多变量时，它就被归类为多变量。它的形式类似于双变量，但包含多个因变量。对此数据进行分析的方法取决于你要实现的目标。其中常见的一些技术有回归分析、路径分析和因子分析。

在可视化方面，Python 中的 Seaborn 库都有配对图（pairplots），它根据变量的类型，在一系列散点图和直方图中生成一个固定变量的大图表，也称为散点图矩阵。

总结

你刚刚了解了几种不同可视化的技术，以及每种技术对应的常用图表工具。希望这篇文章能让你了解每个图的作用，以及应该在何时使用。掌握每个图的关键特性，可以让你能更快地根据需要应用图表。谢谢你的阅读！

原文作者：Tanvi Kurade
翻译作者：Jiawei Tong
美工编辑：过儿
校对审稿：Jiawei Tong
原文链接：https://medium.com/@kuradetanvi13/data-visualization-techniques-for-data-science-you-must-know-c58bb1f16da8