数据可视化

数据可视化：研究如何将数据以图片或图形的方式展现的科学。专注于展现，以连贯和简短的形式把大量的信息展现出来。尽管数据可视化能处理书面信息，它的重点还是用图片和图像的形式向观众传递信息。 数据可视化的优点

表达形象化：使用图表可以化冗长为简介，化抽象为具体，化深奥为形象，使读者或听众更容易理解主题和观点突出重点：通过对图表中数据的颜色和字体等信息的特别设置，可以把问题的重点有效德传递给读者或听众体现专业化：恰当、得体的图表传递着制表者专业、敬业、值得信赖的职业形象。专业的图表会极大地提升个人的职场竞争力，为个人发展加分，为成功创造机会

数据可视化的一般流程:

明确问题$⟶$从基本的可视化入手$⟶$确定最能提供洞察的指标$⟶$选择正确的图标类型$⟶$将注意力引向关键信息

数据可视化常用工具

工具特点Excel最容易上手的图标工具，一般用于快速处理少量的数据Tableau支持连接到30多个数据源类型，部署快，整合能力强，强大的舍去支持，需要付费使用Power BI支持多种方式来整合或导入数据，多平台支持（Web，桌面，移动），有免费的基本版本python易学，代码容易理解，功能强大，善于处理大批量数据，尤其适合繁杂的计算和分析工作，可以利用很多模块来创建数据各式各样的图形，如matplotlib，seaborn，pyecharts,Bokeh等R语言灵活，有众多功能强大的图形包，如ggplot2D3.js/HighCharts.js强大灵活的基于svg的j绘图工具，使得web和移动项目中添加交互式。移动优化的图标变得容易ECharts.js功能丰富，灵活，开源免费，本地化工具，社区活跃

数据可视化图表类型

大部分数据间的关系可分为六种类型：成分、排序、时间序列、频率分布、相关性、多重数据比较常见图表类型：散点图。柱状图。条形图、饼图、密度图、直方图、线图、面积图

Why choose python ?

Python 中有很多模块来创建数据各式各样的图形，如下图所示：

参看文档

Matplotlib

Matplotlib中文文档 数据可视化之matplotlib绘图基础一 数据可视化之matplotlib绘图基础二

Pandas

Pandas可视化 数据可视化之pandas绘图

Seaborn

数据可视化之Seaborn数据集分布的可视化 数据可视化之Seaborn控制图的美感和调色板设置 数据可视化之Seaborn分类变量的可视化 数据可视化之Seaborn数据线性关系的可视化

Pycharts

Pycharts中文文档 Pycharts中文文档 Echarts