作为数据科学家或分析师、人工智能或机器学习工程师，我们大部分的工作都是向同事或主管解释事物，报告个人的工作和发现，数据可视化已经成为我们生活中必不可少的一部分。
而对于不了解或不感兴趣的人来说，原始数据就是长串随机数字、图像或音频文件。我们的工作是让这些人理解数据，并引导他们从这些数据中作出有用的推论。
罗伯特·科萨拉说：“数据可视化是挖掘和利用数据的关键。即便是最简单的可视化，也能够消除数据提供者对自己的数据被低估、误解或歪曲的忧虑。数据可视化能够改变人们对数据的理解方式，提高大众对数据的兴趣，并推动更多更好的数据开发。”
我们用数据描述历史和未来，但如果没有可视化，在外行眼里就和预言家或古老先知无甚区别。本文将带你了解数据可视化的重要性，分享一些专业的可视化技巧，以及一些创建精美可视化的工具、库和软件。
数据可视化的定义及其重要性
数据可视化是将数据视觉化或图像化的过程。这个过程很重要，它可以通过图像表达不同数据之间的关联。人脑善于理解信息图表，而电子表格、CSV文件或数据库中上百行的原始数据则往往令人焦头烂额。
数据可视化可以让趋势和模式显而易见，这在数据科学的探索性数据分析阶段尤为重要。数据可视化不仅对数据科学家、分析师和人工智能/机器学习(AI/ML)工程师很重要，在技术领域内外所有和数据打交道的人都应该学习这一技能。
数据可视化的应用
正如约翰·图基所说：图像最大的价值在于迫使我们关注到意想不到的东西。
数据可视化可以应用于几乎所有领域，每当需要洞察或推断数据时，就离不开数据可视化。但是，数据可视化并不仅仅是为了美观。以图像形式展示数据有如下几个原因：
- 寻找关联：在没有数据可视化的情况下，尝试确定两个或多个事物之间的相关性是非常困难的。在数据分析中寻找关联是非常关键的，因此，若想对数据做出最深刻的理解，数据可视化是至关重要的。
- 观察变化：通过数据可视化，可以使用时间序列图观察既定时间内的趋势或模式变化。这有助于回顾历史数据，对未来可能发生的事件做出关键的预测或假设，这可以帮助组织或个人调整产品或服务。
- 识别频率：频率识别是视觉图表最基本的作用之一。它有助于我们确定自己的办事频率，以便知道要在哪里投入更多的努力、时间和精力，而在哪里可以放松。企业也可以使用频率图表来核对并洞悉特定时间的销量，调整营销流程，以满足消费者的需求。
可视化图表类型
既然知道了什么是可视化，那么就必须了解各种可视化图表的类型，以便讲述数据背后的故事。可视化图表有成百上千种，有些我们很可能永远不会碰到。我将分享几种我所了解的热门图表，排名不以重要性和兴趣为先后。
- 折线图：又称线条图、线状图或曲线图，是一种将一系列数据点(即“标记”)用直线段连接来呈现信息的图表。它是许多领域中常见的一种基本图表类型。它与散点图类似，但是它的测量点是有序的(通常按x轴排序)，并用直线段连接。折线图通常用于将数据在一段时间(时间序列)内的趋势可视化，因此，线条通常是按时间顺序画的。在这种情况下，它们被称为趋势图。
- 条形图：亦称条状图，是一种用矩形条表示分类数据的图表，矩形条的高度或长度与其所代表的数值成正比。条形图可以横置或纵置，纵置时也称为柱形图。条形图可比较不同类别的离散数值。一个轴表示比较的类别，另一个轴显示数值。一些条形图有多组聚合的矩形条，可显示多个变量的值。
- 直方图：直方图可以大致显示数量分布的情况。它形似条形图，但衡量的是频数而非走势。
- 散点图：散点图是一种图表或数学图形，通常使用笛卡尔坐标系(Cartesian coordinate，又称直角坐标系)来显示两个变量下的两组数据。如果为数据点编码(设置颜色/形状/大小)，则可以添加其他变量。数据显示为一组点，每个点都有两个变量，分别确定其在水平轴和垂直轴上的位置。
- 饼图/圆环图：饼图是一种圆形的统计图，它被分成多个区块来说明数字比例。在饼图中，每个区块的弧长(以及相应的中心角和面积)与其所代表的数值成正比。虽然饼图因形似一个被切成块的饼而得名，但它有多种呈现方式，比如圆环图就是一个空心的饼图，不仅能清楚地显示区块或比例，还美化了传统的饼图样式。
- 热力图：热力图是一种数据可视化技术，这种二维图像用颜色显示某现象的量级。颜色可能有色调或深浅的不同，使读者对某现象的聚集情况，或其在空间上的变化情况一目了然。
- 地图：利用包含位置信息的数据，可以绘制精美的可视化世界地图。这类地图用颜色编码，以较暗的阴影显示强度更高的区域，反之亦然。它非常适用于可视化病毒的传播情况，广泛应用于新冠病毒影响区域的可视化。
数据可视化的注意事项
“通过可视化，我们把信息变成了一个可以用眼睛探索的景观，一种信息地图。当你迷失在信息里时，信息地图能有所帮助。”——大卫·麦坎德利斯
有效的数据可视化是数据分析的最后关键一步，否则你可能会丢失重要的理解和信息。有很多事是寻求专业可视化的人必须知道的：
- 选择最合适的可视化类型：在可用于数据可视化的多种图表中，你需要选择出最能代表数据的图表。如果想从数据中获得有用的见解，这一点非常重要。这就意味着你必须善于挑选颜色，色彩编码的可视化对于轻易地识别强度、模式和群集有很大帮助。
- 运用对比：这也许是最简单的数据可视化方法，但其用处却不可小觑。在展示自己的信息和见解时，你应该尽可能多地进行具体的比较。同时展示两幅图表，每个图表都显示了同一信息在特定时间段内的对比版本，例如并排呈现的2016年和2017年的月度销售记录，这样就能清晰地指出该数据的影响，突出优势、劣势、趋势、峰值和低谷，以便斟酌并行动。
- 了解受众：在进行可视化时，确定需要从中得出推论或见解的目标受众。谁会看这些数据?他们面临哪些挑战，有哪些障碍阻止他们克服这些挑战?了解这些，并努力构建有足够吸引力的可视化，使受众能够最大限度地洞察或理解数据。
最佳的数据可视化工具和软件
只有运用好的工具或软件，才会有好的可视化效果。下面推荐几款个人使用过的最好的工具和软件：
- 开源库：有很多免费的编程语言开源库可以用来做数据可视化，它们通常能轻松上手，并且快速操作，因其灵活性而备受喜爱，是多数程序员首选的可视化方法。热门的开源库包括Matplotlib、Seaborn、Bokeh、Plotly和GGPlot。
- 电子表格应用程序：虽然总被忽略，但是像Microsoft Excel和Google Sheets这样的电子表格应用程序有内置的可视化工具，确实非常适合以图形或视觉形式展示数据。对于那些几乎没有编程技能，也无力负担可视化工具的人来说，这应该是最好的选择。
- Tableau：若要制作各种高级而美观的可视化和分析仪表盘，Tableau是最值得推荐的软件。使用Tableau可以轻松快捷地制作精美的气泡图、饼图、折线图、热力图或地球投影图。Tableau易于使用，有许多教程可以指导你如何更好地使用它来让工作效率最大化。
- Power BI：Power BI是微软的一项业务分析服务。它旨在提供交互式可视化和商业智能功能。其界面简洁，终端用户可以创建自己的报表和仪表盘。
数据可视化不是锦上添花的“外衣”，而是讲好故事的关键，希望本文分享的方法和资源能让你利用可视化更好地描述数据。
本文转载自微信公众号「 读芯术」，可以通过以下二维码关注。转载本文请联系 读芯术公众号。
