优达系列：商业数据分析之为何使用数据可视化

Posted 2020-10-08

概览

为什么要使用数据可视化？通过展示三个例子可以看出数据可视化： 

1、可以迅速区分数据集的趋势类型

2、可以迅速了解数据集内部的对比关系

3、可以在小范围的物理区域展示大量的数据

 

---

 

例1：安斯库姆四重奏（Anscombe‘s quatet ） 

给定四组表格数据如下：

I (x)	I (y)	II (x)	II (y)	III (x)	III (y)	IV (x)	IV (y)
10.0	8.04	10.0	9.14	10.0	7.46	8.0	6.58
8.0	6.95	8.0	8.14	8.0	6.77	8.0	5.76
13.0	7.58	13.0	8.74	13.0	12.74	8.0	7.71
9.0	8.81	9.0	8.77	9.0	7.11	8.0	8.84
11.0	8.33	11.0	9.26	11.0	7.81	8.0	8.47
14.0	9.96	14.0	8.10	14.0	8.84	8.0	7.04
6.0	7.24	6.0	6.13	6.0	6.08	8.0	5.25
4.0	4.26	4.0	3.10	4.0	5.39	19.0	12.50
12.0	10.84	12.0	9.13	12.0	8.15	8.0	5.56
7.0	4.82	7.0	7.26	7.0	6.42	8.0	7.91
5.0	5.68	5.0	4.74	5.0	5.73	8.0	6.89

Step 1 基本统计特征

通过计算四组数据的基本统计特征，四组数据具有相同的统计特征，具体统计值如下：

属性	值
每组 x 的均值	9（精确值）
每组 x 的样本方差	11（精确值）
每组 y 的均值	7.5 (精确到小数点后两位）
每组 y 的样本方差	4.122 或 4.127（精确到小数点后三位）
每组 x 和 y 之间的关系	0.816 （精确到小数点后三位）
每组的线性递归直线	3.00 + 0.500*x（分别精确到小数点后两位和三位）

其中线性回归的拟合优度$R^2$也相同，只看数据本身和基本统计特征值的话，除了第四组中，含有大量相同的x值之外，根本无法看出四组数据有什么不同。那么接下来看看可视化后的效果吧！

Step 2 可视化效果

 

 数据可视化之后，明显看出四组数据之间的差异，即第二、三、四组的线性趋势明显不对，这就是数据可视化的第一个作用：迅速看出数据集的趋势类型。

注：基本统计特征值无法区分数据集之间的趋势差异，并不代表无法用其他统计量区分数据趋势类型，只是相对构建和计算复杂的统计量来说，数据可视化的时间成本更少。这可能也是为什么“在回归分析中频繁使用散点图看趋势”的原因。