数据可视化的目的

在对数据进行准备和初步分析之后，你可能会得到包含大量数字的表格，或者像均值和标准差这样的统计数据列表。尽管这些数据精确无误，但它们往往无法直接展现数据中蕴含的信息。想象一下，试图通过阅读数百行电子表格来理解销售趋势，与查看一个简单的折线图相比——视觉呈现通常更为直接，也更容易快速理解。

数据可视化是将信息转化为视觉形式的做法，比如地图或图表，以使数据更易于人脑理解并从中获取信息。它不仅仅是让数据看起来美观；它是数据分析过程本身不可或缺的一部分。

为什么进行可视化？观察与发现

可视化的主要作用之一在于支持探索性数据分析（EDA）。当你首次接触数据集时，以不同方式绘制数据能够帮助你：

• 找出规律： 销售额是否随时间增长？网站流量是否存在周期性规律？折线图或散点图等视觉呈现可以使这些趋势立竿见影。
• 查看关联： 一个变量如何与另一个变量关联？例如，散点图可以迅速显示两个变量是否倾向于一起增长（正相关），一个增长而另一个下降（负相关），或者是否存在不明显的关联。
• 发现异常值和不寻常数据点： 不寻常的数据点在视觉上通常很明显。箱线图甚至简单的散点图都能显示出与其他数据点相距甚远的值，提示做进一步检查。这些可能是错误，也可能代表重要的特殊事件。
• 了解分布情况： 数据中的值是如何分布的？直方图和密度图提供了数据分布的视觉呈现，显示了大多数值聚集在哪里以及它们的分散程度，这通常比单独查看均值或标准差能提供更多信息。

考虑下面这个简单的月度产品销售数据集：

月份	产品A	产品B
January	150	80
February	170	95
March	160	110
April	185	105

查看这个表格需要逐一比较数字。现在，看看同样的数据可视化后：

一个简单的条形图，比较了两种产品的月度销售情况。

条形图使得比较产品和查看这四个月的趋势比扫描表格容易得多。产品A的销量一直较高，而产品B的销量在三月达到最高点。这种即时明了是可视化用于观察的主要优点。

为什么进行可视化？交流与呈现

数据分析只有当你能与他人分享你的分析结果时才算完整。可视化称得上是清晰简洁地传递复杂信息最有效的方式。无论你是向同事、管理人员还是客户展示，精心设计的图表都可以：

• 简化复杂内容： 将大量数据或复杂关联浓缩成易于消化的形式。
• 突出主要信息： 吸引关注到你希望受众理解的最主要结果或趋势。
• 辅助决策： 提供清晰、基于证据的视觉材料，帮助利益相关者理解情况并做出知情决策。
• 吸引听众： 视觉材料通常比数字表格或密集的文本更能吸引人，有助于让听众保持兴趣并专注于信息。

有效地传递结果，正如在数据科学过程中所提及的，往往很大程度上依赖于选择合适的图表来呈现数据支持的引人入胜的信息。

归根结底，数据可视化的目的有双重作用：它在分析过程中帮助你理解（观察与发现），并帮助你有效地与他人分享这种理解（交流与呈现）。它将原始数据从抽象的数字转化为具体的信息。