总览

探索可视化主要是考虑下面 4 点：

• 拥有什么数据

• 关于数据想要了解什么

• 应该使用哪种可视化方式

• 看见了什么，有意义吗

了解数据

首先是收集数据，这一步理论上会占用最多的时间。

然后是给自己一个命题再去看数据。给自己一个出发点，然后在研究的过程中慢慢发散。

选择可视化方式不必抱着精确和最容易阅读不放，尝试一些不同的东西。当然传统的可视化图是探索数据的出色工具。

分类数据的可视化

最基础的选择是条形图。

为了看整体与部分的关系可以用饼图或者堆叠条形图。

较多个分类的话可是使用马赛克图。比如如下这张图你能看出，是儿童监护人的，小学教育水平的，用 email 的占比小于不用 email 的人。

时序数据的可视化

最基础的还是条形图。
然后可以尝试散点图，折线图。

LOESS 曲线法？

图形的选择其实主要是看数据。

当出现循环的时候我们可以选择星状图，雷达图。如果想要看到全部的数据以及具体日期的，可以选择日历热区图。

日历热区图与折线图相比，优点是很容易看到指定的日期。缺点是用颜色作为视觉暗示，难以区分小的差异。

空间数据的可视化

无

多元变量

有些可视化方法可以分析多元变量，但是并不直观，比如马赛克图，比如散点图也可以，比如热区图。

所以还是建议变成少量变量分析多次。在一张图表上可能不适合使用过多的视觉暗示，如下图，x 轴是 NBA 球员使用时长，y 轴是他们的场均得分，大小是场均助攻数，颜色是场均篮板数。

能显示多种关系的有热区图：

如果，通常会先对一个类别进行排序，能看出失误率与场均得分有负相关性，出场时间，使用率和场均得分有正相关性。

虽然两个变量的关系简单易懂，但是通常变量之间关系是复杂的。数据中没有包含的变量可能会带来变化。在相关性和因果关系方面，要考虑全部的背景，然后再指定因果关系。

数据的分布

箱型图如上所示，最大值最小值是上下四分位数加上和减去 1 又 1/2 的四分位间距得到的。

四分位间距为上四分位数减去下四分位数。

---

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 981909093@qq.com