数据可视化、变量及其类型概述

数据是任何组织中不可或缺的组成部分——它无处不在。例如，当我们去超市购物时，商店会记录我们购买商品的相关信息，如购买的商品、数量等。这些信息可以帮助企业做出关键决策，比如哪些产品最受顾客欢迎，哪些产品利润最高。

零售商随后可以利用数据库对数据进行分析，逐行查看记录，并理解不同产品之间的关系。对于一家小型本地商店来说，这或许可行；但面对亚马逊、eBay等大型电子商务平台，每天存在数百万笔客户交易时，情况又如何？

在这种情况下，如果试图逐一查看每一条数据记录来得出有意义的结论，几乎是不可能的，因为数据集规模过于庞大。假设我们有一个餐厅的数据集，需要判断账单金额较高的顾客是否更倾向于给更多小费。

面对这种情况，我们的处理方法是什么？首先，我们需要逐行检查数据，观察总账单与小费之间的关系，然后根据发现得出结论。虽然这个过程略显耗时，但尚可完成。我们可以将总账单与小费之间的关系以图形形式呈现，如下所示：

上图展示了总账单与小费之间的关系。如果我们仔细观察这张图，可以得出结论：账单金额较高的顾客更倾向于给出更高的小费。

如果我们要分析上述数据集中有多少顾客是吸烟者，就需要再次审查数据。如果数据记录从20条增加到数百条，仅靠逐行查看数据就会变得不切实际，且随着数据量的增长，问题会愈发严重。

在这些场景下，数据可视化就显得尤为重要。我们可以使用Python的seaborn库创建多种复杂的可视化图表。相比原始数据，可视化能更有效地传递信息。正如亨里克·易卜生所说：“一幅图胜过千言万语。” 更丰富的可视化不仅能吸引观众注意力，还能高效传达信息。

上图展示了顾客的总账单与所给小费之间的关系，并将顾客按吸烟与否进行了分类。如果我们仔细观察这张图，可以发现大多数顾客是非吸烟者。

在本课程中，我们将学习如何构建各种可视化图表，并探讨重要概念（如变量、统计分析类型等），以便更好地理解和使用Python的seaborn库进行数据可视化与分析。

在统计学中，变量是指随时间变化或可变的事物。例如，一天中温度不断变化，早晨可能较冷，下午则变暖，说明温度是可变的。

同样，学生的成绩在各个学期中也可能发生变化，有的学期表现优异，有的学期表现平平。其他变量还包括人的体重、年龄、身高、薪资和支出，因为它们都可能随时间而改变。

在Python中，变量的概念与统计学一致——即任何随时间变化的事物。在Python中，变量指的是存储不同值的位置。变量的类型决定了该变量可以容纳的数据种类。

1student_age = 22           # 变量创建与声明
2student_name = "Sara"      # 变量类型由赋值内容决定
3print("学生姓名：", student_name)
4print("学生年龄：", student_age)

如上代码所示，student_age 被赋予整数值，因此其数据类型为整数。类似地，student_name 被赋予字符串值，因此其数据类型为字符串。

我们可以通过Python内置的 type() 方法验证上述结论，该方法返回传入参数的类型。

1student_age = 22           # 变量创建与声明
2student_name = "Sara"      # 变量类型由赋值内容决定
3print("变量 student_age 的数据类型：", type(student_age))
4print("变量 student_name 的数据类型：", type(student_name))

Python语言支持的基本变量类型包括：

• 字符串（Strings）
• 浮点数（Floats）
• 整数（Integers）
• 布尔值（Booleans）

1student_name = "John"           # 字符串变量
2student_weight = 50.20          # 浮点数变量，表示体重（公斤）
3student_age = 25                # 整数变量
4interview_passed = True         # 布尔值变量

在统计分析中，常用的变量类型主要有以下几类：

• 分类变量（Categorical variables）
• 数值变量（Numerical variables）
• 连续变量（Continuous variables）
• 离散变量（Discrete variables）