一圖勝千言！這10種可視化技術你必須知道

全文共4549字，預計學習時長9分鐘

圖片來源：Willian Justen deVasconcellos on Unsplash

相比於浩如煙海的數據表格，大部分人仍是更喜歡視覺資料，這一點已不足爲奇。也是出於這個緣由，人們一般纔會在學術論文的前幾頁加上一張圖表，而且清楚地標記上各類註釋。

當數據科學家應用可視化技術後，數據的分佈狀況以及分析的重點將清楚而直觀地展示在他們眼前。這種感受異常奇妙！

數據可視化技術主要有兩大功能：

1. 將分析結果更加清晰地展示出來。

2. 將數據有效組織起來，利於提出新的猜測，或引導某一項目下一步的走向。

本文將會介紹到十種可視化技術。之後，不管你是想讓你們承認理論，仍是爲了規劃項目的下一步計劃，這些可視化方法都能幫助你分析數據。

1. 直方圖

首先來了解一下直方圖。經過直方圖，能夠縱觀某個數值變量全部可能的值，以及其出現的頻率。直方圖看似簡單，實際上功能卻很強大。有時，直方圖也被稱爲頻數分佈圖。

從視覺效果上來講，須要畫一個頻率圖，把相關變量排布在X軸上，而Y軸顯示的則是每一個值出現的頻率。

例如，假設某個公司爲了使本身的智能恆溫器更加暢銷，因而採起了一種營銷策略，即根據顧客郵政編碼的不一樣來提供相應的折扣。這時，經過繪製與恆溫器折扣相關的直方圖，人們就能更好地瞭解各個值的範圍，以及它們各自出現的頻率。

恆溫器折扣直方圖（單位：美圓）

從上圖能夠發現，恆溫器的折扣大約有半數介於100到120美圓之間。而折扣低於60美圓或者高於140美圓的郵編，都只存在一小部分。

資料來源：https://ibm.box.com/s/6fltz5ilap8pbwzu2tt1yxil6ldosc9d

2. 條形圖與餅狀圖

上文所講的直方圖一般用於處理數值變量，而本段所涉及的條形圖與餅狀圖則主要適用於類別變量。若是要分析變量分佈，而且這些變量的值又比較固定，好比只存在低、正常、高，是、否，或者常規驅動、電驅動、混合驅動等有限選項，那麼這個時候最適合的選擇就是條形圖或者餅狀圖。

那麼究竟是選條形圖仍是餅狀圖呢？其實這兩種方法都值得一試，而後再看看哪一個的視覺效果會更好一些。可是在可能選項比較少的狀況下，餅狀圖仍是更勝一籌。

若是數據類別過多的話，不管是條形圖仍是餅狀圖，可視化的效果都不會太好。在這種狀況下，能夠考慮只對前幾項最大值進行可視化處理。

在下面這個例子中，病人的血壓狀況同時在條形圖和餅狀圖中表示出來，而且分爲了三個類別，分別是低、正常和高。

病人血壓條形圖與餅狀圖

 

資料來源：https://ibm.box.com/s/rxixq3fto3bkmr7xi5t55pcbj9sb4der

 

3. 散點圖與折線圖

或許最簡單的圖莫過於散點圖，由於它將數據展示在一個二維的笛卡爾座標系中。散點圖尤爲適用於研究兩個變量之間的關係，由於它能將這種相互關係更加直觀地展示出來，以便咱們進行研究。折線圖其實也是散點圖的一種，只不過它用一根線將全部的點鏈接了起來。若是變量Y的值是連續的，則常使用折線圖。

例如，假設你想要去調查房價與建築面積之間的關係，那麼下面這幅散點圖就能夠幫到你。在這幅散點圖上，Y軸表示房價，X軸表示建築面積。同時，你要注意觀察它是如何表示變量之間的線性關係的。整體上看來，建築面積越大，房價越高。

能夠經過顏色和尺寸的改變來擴展散點圖的維度。好比咱們能夠根據每一個房子臥室的數量來對點進行上色，從而就能夠得到一個三維圖。

 

若是想把散點圖擴展爲三維圖或者是四維圖，一個較爲簡便的方法就是改變氣泡的顏色和大小。例如，若是根據每棟房子裏房間數量的多少，來對上一幅散點圖中的每個氣泡進行塗色，那麼將獲得三維的效果。

資料來源：https://ibm.box.com/s/n5m00r4ltcrx1e720d8mzw3et2d0vizy

 

4. 時間序列圖

時間序列圖也相似於散點圖，只不過X軸上標註的是時間範圍。在時間序列圖上，全部的點鏈接成一條線，以提醒咱們時間是連續的。

若是想要更加直觀地研究某一數據隨時間的變化趨勢，時間序列圖就是絕佳選擇。所以，時間序列圖在分析財務數據和傳感器數據上應用得尤其廣泛。

好比在下面這幅時間序列圖中，Y軸所表示的就是在2015到2017年間特斯拉股票每日的收盤價。

2015年至2017年特斯拉股票收盤價時間序列圖

資料來源：https://ibm.box.com/s/5oni1oeko2jej9x4er4zcu4k7cehvqp2

5. 關係圖

若是你的目的是提出一個全面的猜測，那麼關係圖就很是合適，由於它能直觀地展示出數據之間的關係。

假設你是一名在一家醫療公司工做的科學家，正在進行一個數據科學項目，該項目旨在讓醫生開處方的決策過程更加便捷化。那麼，若是如今有四種藥A、C、X和Y，而且醫生只能給每一個病人開其中一種藥。而此時，你有一個數據集，其中包含病人開藥的歷史數據，病人的性別、血壓和血糖等數據。

那麼，如何解讀關係圖呢？在關係圖中，數據集裏的每一類數據都用一種不一樣的顏色表示，而且每條線的粗細程度表明着數據之間的相關性，也叫作頻次計數。經過下面這個例子，能夠進一步瞭解一下關係圖。

從這幅處方關係圖中，能夠得出如下幾點：

· 全部的高血壓病人都開了A藥。

· 全部的低血壓高血脂病人都開了C藥。

· 在開了X藥的病人中，沒有一個是高血壓患者。

一旦得到了這些有效信息，你就能夠提出一系列的假設，而且對新的領域進行研究。例如，機器學習分類器可以對A藥、C藥，或者是X藥的使用作出準確的預測。然而，因爲Y藥與全部的特徵值都有關聯，所以在作出預測以前須要補充其餘的特徵值。

 

患者處方關係圖

資料來源：https://ibm.box.com/s/rxixq3fto3bkmr7xi5t55pcbj9sb4der

6. 熱圖

另一種可以把二維圖升高一個維度的方法就是熱圖，這種方法一樣很厲害而且色彩也比較豐富。在熱圖中會有一個矩陣或者地圖顯示，其上的顏色用來表示頻率或者濃度。大部分的人都以爲熱圖很是直觀，並且淺顯易懂，由於圖中顏色的濃度會顯示出某些趨勢以及須要特別關注的區域。

下面這幅熱圖展現的是在互聯網電影數據庫中，各電影名之間的編輯距離。某個電影名與其餘電影名之間的編輯距離越遠，它在圖中顯示的顏色就越深。好比就編輯距離而言，《超人》 (Superman) 就離《永遠的蝙蝠俠》 (BatmanForever) 很遠，離《超人2》 (Superman2) 很近。

電影名編輯距離熱圖。該熱圖來源於https://medium.com/@michaelzargham。

7. 地圖

若是你的數據裏包含經度和緯度的信息，或者其它經過地理位置來組織數據的方法，好比郵政編碼、區域代碼、縣級數據或者機場數據等，那麼在這個時候，繪製地圖將會很是有助於對數據的可視化處理。

還記得以前在介紹直方圖時舉的那個有關於恆溫器折扣的例子嗎？回想一下，不一樣的地區所享受的折扣是不一樣的。因爲這些數據裏包含經度和緯度的信息，所以咱們能夠把折扣狀況繪製在一張地圖上。而後，只要在地圖上添加一個色譜，即從表示最低折扣的藍色一直到表示最高折扣的紅色，就能夠將數據所有繪製到一張美國地圖上。

恆溫器折扣地圖

資料來源：https://ibm.box.com/s/6fltz5ilap8pbwzu2tt1yxil6ldosc9d

8. 詞雲

其實目前，咱們所研究的大量數據都是以自由文本的形式出現的，而且這種文本也相對簡單。在對此類數據進行第一遍處理時，可能本想更加直觀地瞭解這些詞在語料庫中出現的頻率。然而，不管是直方圖仍是餅狀圖，都對於這些文字類的數據顯得力不從心，而更適合分析數字數據的頻率。所以在這種狀況下，能夠求助於詞雲。

在處理自由文本數據時，首先應過濾掉全部的停用詞，好比像「a」、「and」、「but」、「how」等，而且將全部的文本統一轉爲小寫。若是要進一步整理數據，就要進行額外的工做，好比移除變音符、提取詞幹等。但需不須要進行這一步，則具體視目標而定。一旦數據整理好了之後，就能夠馬上使用詞雲可視化技術，來分析語料庫中哪些詞出現得最廣泛。

如下，咱們根據Large Movie Reviews Dataset數據庫繪製了兩個詞雲，一個展現的是好評，另外一個展現的則是差評。

數據庫傳送門：http://ai.stanford.edu/~amaas/data/sentiment/

電影好評詞雲

電影差評詞雲

9. 三維圖

目前，爲了分析三維數據，人們一般會選擇在散點圖的基礎上增長一個維度，而且這種方式也正變得愈來愈廣泛。這種三維圖有許多優點，尤爲是其交互性。由於經過使用旋轉和縮放的功能，用戶可以更加全面而深入地分析數據。

如下這個例子中所展現的是一個二維的高斯機率密度函數，此外，還有一個可用於調整視角的控制面板。

二維高斯機率密度函數

資料來源：https://ibm.box.com/s/y0woc4hvk046v12yhlxdftkz32zw4po9

10. 高維圖

在分析高維數據時，須要同時對四項、五項，甚至更多的相關數據進行可視化處理。所以，爲了達到這個目的，能夠利用上文所講過的任何一個可視化技術，先構建一個二維或者三維模型。

例如，能夠在上文的恆溫器折扣地圖中添加一個第三維度。具體來講，就是把地圖上的每個點都延伸爲一條豎直線，用以表示該地區的平均能耗。經過以上步驟，得到一幅四維圖，其中四個維度分別表示經度、緯度、折扣力度和平均能耗。

若是須要分析的數據維度比這還要更高，就須要先對數據進行降維處理。數據降維的方法主要有兩種，即主成分分析法和t-SNE算法。

目前應用最爲廣泛的降維方法是主成分分析法。該方法經過找尋新的向量來進行降維，而且該向量必須儘量多地反映數據原來的線性變化信息。若是數據間的線性關係足夠強大，那麼主成分分析法的降維效果就會很是明顯，而且幾乎不會發生信息的丟失。

相比之下，t-SNE算法就是一種非線性的降維方法。t-SNE算法在下降數據維度的同時，還會對原高維空間內數據點之間的距離進行保留。

來看看下面這幅圖，圖中的數據信息取樣自MNIST手寫數字數據庫³。該數據庫包含從0到9十個數字的數千種手寫體圖像，研究人員可使用該數據庫對他們的聚類算法和分類算法進行測試。數據庫中，這些手寫體圖像的分辨率是784像素（28*28），然而經過t-SNE算法的應用，能夠直接將這些784維的數據降至二維。

應用於MNIST手寫數字數據庫的t-SNE算法

資料來源：https://ibm.box.com/s/94e4q8askq82owlnr6qxerworm6cx2sp

至此，經過以上的講解而且輔以實例，你必定對這十種應用最爲普遍的可視化技術有了必定的瞭解。這篇文章中所出現的全部可視化圖表都是在Watson Studio Desktop平臺上製做完成的。固然，除了Watson Studio Desktop以外，還能夠考慮使用其餘的工具，好比R、Matplotlib、Seaborn、ggplot、Bokeh和plot.ly等，在這裏就不列舉更多的了。

 

留言 點贊 關注

咱們一塊兒分享AI學習與發展的乾貨

歡迎關注全平臺AI垂類自媒體 「讀芯術」

（添加小編微信：dxsxbb，加入讀者圈，一塊兒討論最新鮮的人工智能科技哦～）