可视化报告(合集5篇)

可视化报告 第1篇

任何一个绘图函数都有很多参数，如折线图函数 ()

坐标值（x，y）是最少必备参数，如果我们想让图表展示的图表效果更惊艳，就也得学习一下后面的参数。

先看线条的宽度和颜色：

线条宽度变宽，并且变成红色。  

可视化报告 第2篇

一张图是由画布、图表以及图表元素组成。

读到这里，对数据可视化就有大致印象了。

依照代码实现逻辑，应该是先有画布，再有图表，具备这两者就能生成一张最简单的图，而要让这张图传递更丰富的信息，则需要添加图表元素。

可视化报告 第3篇

散点图又叫 X-Y 图，将所有的连续数据以点的形式展现在坐标系上。

可比较直观地观察变量 x 与变量 y 之间的相关性。

适合变量之间存在密切关系，但是这些关系又不像数学或物理公式那样能够精确表达的。

在观察散点图的时候，还有一个概念需要我们理解 —— 离群点。

当变量间存在某种线性关系时，大部分的数据点会表现出 “报团取暖”，相对密集的形态，但总有几个不合群的，“高冷” 的数据点离集群较远，我们可以称这些点为离群点或异常点。

观察散点图步骤：

散点图函数：(x, y, data, hue, size, style, kind)

可以看到，大部分数据点都比较集中，且身高越高，相应的体重也会越大，身高和体重应该是正相关关系。

student_info 数据集其实数据还有分类（男、女），我们可以分开显示。

男生和女生用不同的颜色标记了出来。从整体上看，该数据集中的男生身高还是普遍高于女生的。

我们还可以让数据展示的更显著，参数 size 可以让表示体重的点，随体重增大而增大。

我们发现，学生数据的分类，不仅有性别，还有班级。

使用 style = 班级，这样不同班级点的不同形状区分数据，1班是圆、2班是方形。

关系图，除了散点图，还有折线图。

折线图也可以反映数据间的关系，只不过它一般使用时间维度作为 X 轴，数值维度作为 Y 轴。

当我们想要了解某一维度在时间上的规律或者趋势时，用折线图是个比较不错的选择。

relplot() 函数也是可以画出折线图的，基本的折线图只需要在必选参数的基础上，只要写成 kind=‘line’ 即可。

折线图函数：(x, y, data, kind=‘line’)

这也是 Seaborn 的一大优势，想要画某一大类下面的不同图形时，只需要调用这一大类的函数，少量修改其中的参数即可。  

可视化报告 第4篇

根据 Seaborn 的划分，Distribution 类别^v^有四种图形：直方图、核密度估计图、经验累积分布图和轴须图，它们都可以用来表示定量数据的分布情况。

. 人的眼睛对颜色比对形状更敏感，因此，在做可视化时，我们可以优先考虑使用颜色来区分不同的数据。

直方图是描述性统计中很常见的一种图形，它牵涉到统计学中的频数这一概念。

频数，又称 “次数”。指变量值中代表某种特征的数值出现的次数。

在直方图中，我们会把连续数据进行分组，而后统计每个分组内数据的数量（即频数），接着，在平面直角坐标系中用 X 轴标记出每个分组的端点，用 Y 轴表示频数，这样，在坐标系中生成的每个矩形的高就代表了对应分组的频数。

如果从形状来看的话，直方图与柱状图会非常类似。

虽然相似，但从上面的对比图中也可以看出，柱状图的方块之间有间隔，然而直方图各个方块之间没有间隔，紧密相连（当然也有例外情况。在某个分布数据的频数极少或没有时，会出现断点，比如上图直方图中的最右侧方块）。

但它们两个最大的区别还是在数据类型上，柱状图用于画出定性数据（分类数据）的某些特征，直方图则是用于展示定量数据的分布情况。

我们还可以通过直方图来观察数据分布的大体形状，比如：数据分布是否对称，是右偏还是左偏等。

如果数据分布大体对称的话，图形会呈现出中间高，两边低，左右近似对称的特点，就像上图中间所示形状一样。

如果数据的 众数 < 中位数 < 平均数，那么分布大体就会呈现出右偏分布的情况，形状上类似上图左侧部分。

如果数据的 众数 > 中位数 > 平均数，那么分布大体就会呈现出左偏分布的情况，形状上类似上图右侧部分。

画直方图的函数：(x, data, hue, kind=‘hist’) 。

这里，借用一下泰坦尼克号乘客的数据。

根据图形显示，蓝色代表男性，橙色代表女性，图形中的灰色部分是颜色重合造成的。总体来看，男乘客的数量是要高于女乘客的，尤其是在青壮年（20 岁-40 岁）群体中，这一差异非常明显。

直方图一般用来统计连续数据分组后，每个组对应的频数，可以从形状上判断数据分布的大体形状，比如：数据分布是否对称，是右偏还是左偏等。

核密度估计图：(kind=‘kde’)

经验累积分布图：(kind=‘ecdf’)  

可视化报告 第5篇

以上是图表（线条）样式，另一个是数据标记点样式，需要用到的参数是 marker、markerfacecolor 和 markersize。

我们选择数据标记点的形状为圆（marker=‘o’）；大小为 10（markersize=10）；填充颜色为白色（markerfacecolor=‘w’）。