📌  相关文章
📜  敏捷数据科学-数据可视化

📅  最后修改于: 2021-01-23 05:50:51             🧑  作者: Mango

数据可视化在数据科学中扮演着非常重要的角色。我们可以将数据可视化视为数据科学的模块。数据科学不仅仅包含构建预测模型。它包括对模型的解释，并使用它们来理解数据并做出决策。数据可视化是以最有说服力的方式呈现数据的组成部分。

从数据科学的角度来看，数据可视化是一个突出的功能，可以显示变化和趋势。

考虑以下指导以实现有效的数据可视化-

  • 沿通用比例尺定位数据。

  • 在比较圆形和正方形时，使用条形图更有效。

  • 散点图应使用正确的颜色。

  • 使用饼图显示比例。

  • 森伯斯特可视化对于分层图更为有效。

敏捷需要一种简单的脚本语言来进行数据可视化，并且与数据科学合作，“Python”是用于数据可视化的建议语言。

例子1

以下示例演示了特定年份计算的GDP数据可视化。 “ Matplotlib”是Python用于数据可视化的最佳库。该库的安装如下所示-

演示数据可视化

考虑以下代码以了解这一点-

import matplotlib.pyplot as plt
years = [1950, 1960, 1970, 1980, 1990, 2000, 2010]
gdp = [300.2, 543.3, 1075.9, 2862.5, 5979.6, 10289.7, 14958.3]

# create a line chart, years on x-axis, gdp on y-axis
plt.plot(years, gdp, color='green', marker='o', linestyle='solid')

# add a title plt.title("Nominal GDP")
# add a label to the y-axis
plt.ylabel("Billions of $")
plt.show()

输出

上面的代码生成以下输出-

代码生成

有许多方法可以使用轴标签，线型和点标记来自定义图表。让我们关注下一个示例，该示例演示更好的数据可视化。这些结果可用于更好的输出。

例子2

import datetime
import random
import matplotlib.pyplot as plt

# make up some data
x = [datetime.datetime.now() + datetime.timedelta(hours=i) for i in range(12)]
y = [i+random.gauss(0,1) for i,_ in enumerate(x)]

# plot
plt.plot(x,y)

# beautify the x-labels
plt.gcf().autofmt_xdate()
plt.show()

输出

上面的代码生成以下输出-

代码产生第二个