5.4 数据的可视化表达 学案

数据的可视化表达
学习目标
1.了解数据可视化表达的基本方法；
2.学会选用恰当工具可视化表达数据。
学习内容
在大数据时代，复杂繁多且不同类型的数据大量涌来，往往超出了人们的处理能力。人类的大脑也难以从堆积如山的数据中快速发现核心问题，而数据可视化可以把枯燥乏味的海量数据以丰富的视觉效果呈现数据所反映的本质问题，有效提升数据分析的效率。数据可视化是指以图形、图像、地图、动画等生动、易于理解的方式展示数据和诠释数据之间的关系、趋势与规律等，以便更好地理解数据。
数据可视化表达的方式
数据可视化可以让人们快速抓住要点信息，让关键的数据点从人们的眼睛快速通往心灵深处。从常用和实用的维度，数据可视化的呈现类型主要分为探索和解释两种不同的类型。探索类型可以帮助人们发现数据背后的价值，而解释类型则把数据简单明了地解释给人们。按照处理数据类型的不同，可视化呈现的主要方式如下表所示。
数据可视化表达的工具
数据可视化呈现的形式千变万化，实现的工具众多。其中， Python语言因其开源和包容的特性，嵌入了大量数据可视化的工具，深受大家的喜爱。在 Python中，除前面我们经常用到的绘图工具模块 Matplotlib外，专业的数据可视化工具模块还包括 Seaborn和 Bokeh等。
1. Seaborn
Seaborn主要关注统计模型的可视化。例如，直方图既可以总结数据，也可以描绘总体分布。 Seaborn基于且高度依赖于 Matplotlib。
2. Bokeh:
Bokeh也是一个很好的可视化库，可实现交互式可视化。与其他库相反， Bokeh是独立于 Matplotlib的。 Bokeh的重点在其交互性，且是通过浏览器以数据驱动文档的风格呈现。