可视化入门

数据可视化的重要性

到目前为止，我们已经通过描述性统计和表格来理解数据。另一个有用的工具是数据可视化。

数据可视化可以带来以下好处：

• 更深入地理解数据
• 在解释数据时讲述更具说服力的故事
• 提供更易于理解的表达方式

数据可视化是任何分析师或数据科学家必备的核心技能。能够使用出色的可视化手段来讲述数据故事，往往能显著提升他人对数据的理解。这种额外的理解，可能正是推动项目前进的关键。

Python 中的数据可视化工具

在 Python 中，最流行的两个数据可视化工具是 Matplotlib 和 Seaborn。我们将重点学习这两个工具，但还有许多其他选择，例如 Bokeh、ggpy 和 D3。

Matplotlib 可以看作是 Python 中的基础绘图库。它类似于一个底层库，允许你完成各种各样的绘图操作，但这种灵活性有时也使得使用起来较为复杂。Matplotlib 已经存在多年，其风格有时略显过时。

Seaborn 的出现正是为了解决这些问题。它建立在 Matplotlib 之上，正如其自身描述的那样，“提供了一个绘制美观统计图形的高级接口”。在大多数情况下，我倾向于优先使用 Seaborn。当需要更底层的控制时，我会引入 Matplotlib。由于 Seaborn 基于 Matplotlib 构建，因此两者很容易结合使用。

我们的数据集

在开始可视化之前，我先展示如何加载将要使用的数据集：

1from sklearn.datasets import load_boston
2import pandas as pd
3
4# 从 sklearn.datasets 加载波士顿数据集
5boston_data = load_boston()
6# 将波士顿数据放入 DataFrame
7boston_df = pd.DataFrame(boston_data.data, columns=boston_data.feature_names)
8
9# 打印前5行以确认运行正确
10print(boston_df.head())

你将会注意到，我们从 sklearn 加载了波士顿数据集，并在代码中将其转换为 Pandas DataFrame。

现在！让我们开始可视化数据吧！我们将介绍以下几种类型的图表：

• 散点图
• 条形图
• 分布图
• 折线图
• 热力图
• 数据感知图表