数据可视化概述

数据分析及可视化概述

小象实战讲义 · ECharts 数据可视化

欢迎进入第二章的学习。在这一章，我们将一起探讨数据可视化的核心概念，为你后续使用 ECharts 和 pyecharts 制作交互式图表、地图和数据大屏打下坚实的理论基础。本节作为开篇，将帮助你理解数据分析与可视化之间的关系，以及数据可视化在数据分析全流程中的关键作用。

💡 核心导读

• 大数据的特点：理解数据规模、价值、准确性、多样性等核心特征，是进行有效分析的前提。
• 数据分析的过程：从明确需求、获取数据，到清洗整理、分析建模，最终形成决策支持或洞察报告，这是一个完整的闭环。
• 可视化在分析中的作用：数据可视化不仅是最终结果的呈现工具，更是分析过程中探索数据、发现规律、验证假设的得力助手。
• 数据可视化的分类：根据数据本身的特点（如统计、关系、时空、网络、文本），我们可以选择最合适的可视化类型来高效传达信息。

一、 从大数据到数据分析

我们生活在一个数据爆炸的时代。提到数据分析，就离不开“数据”，而提到数据，则绕不开“大数据”这个概念。

1. 大数据的核心特征

虽然关于大数据的定义不尽相同，但业界普遍认同用多个“V”来描述其特点。其中，以下几个“V”尤为关键：

• Volume（规模）：数据量巨大。这包括两个方面：一是记录的条数（如1万条还是1亿条），二是数据的维度（即特征的数量）。维度越多，信息越丰富，数据的规模也越大。
• Value（价值）：数据中蕴含的价值。采集数据的最终目的是从中提取出有价值的信息，用于指导决策或产生洞察。如果数据无法提炼出价值，它可能只是一堆无意义的日志。
• Veracity（准确性）：数据的质量与可信度。在数据采集过程中，难免会出现遗漏、缺失或无效的数据（例如年龄为负值或超过120岁）。这类“脏数据”会直接影响分析结果的可靠性。业界有句名言：“垃圾进，垃圾出”（Garbage in, garbage out），强调了数据准确性的重要性。
• Variety（多样性）：数据来源和类型的多样化。描述一个对象（如用户）往往需要整合来自多个渠道、多种格式的数据（如交易记录、社交行为、地理位置等），单一数据源通常无法提供完整的画像。
• Velocity（高速性）：数据产生和处理的速度快。随着5G等技术的发展，数据流的速度越来越快，要求我们的分析系统能够实时或近实时地处理数据。
• Visualization（可视化）：如何将海量、复杂的数据以直观的方式呈现出来，以便人类理解和分析。这正是我们这门课程的核心。
• Variability（动态性）：数据不是静态的，它会随着时间推移和业务发展而不断变化、更新。

理解了大数据的特点，我们就能更好地把握数据分析的目标：运用适当的方法，对收集来的大量数据进行处理、研究和概括，从而最大化地发挥数据的作用，提取有用信息，并形成支持决策的结论。

二、 数据分析的过程与可视化

数据分析并非一蹴而就，而是一个环环相扣的流程。下图清晰地展示了从原始数据到决策支持的完整路径：

原始大数据 → 数据分析 → 决策支持/洞察报告

具体而言，数据分析过程通常包含以下几个关键步骤：

1. 需求层：根据实际业务问题，明确分析目标。这是所有工作的起点。
2. 数据层：
   • 数据获取：根据目标，从客户、公开数据集或第三方等渠道采集数据。
   • 数据清洗：处理数据中的缺失值、异常值、重复值等“脏数据”，确保数据质量。
   • 数据整理：将数据转换为适合后续分析（如建模）的格式和结构。
3. 分析层：
   • 建模分析：如果需要预测或复杂分类，可能会运用机器学习、人工智能等方法（如分类、聚类）构建模型，并不断迭代优化。
   • 描述与洞察：对现有数据进行统计描述，挖掘其内在规律和结论。这常常是生成报告的基础。
4. 输出层：
   • 模型部署：将优化好的模型应用于新数据，进行预测。
   • 报告呈现：将分析结论整理成报告，通常以图文并茂的形式呈现，例如行业白皮书、年度总结等。

那么，数据可视化在哪个环节发挥作用呢？ 它主要贯穿于分析层和输出层。

• 在分析层（探索与验证）：
  • 描述性分析：当你面对一堆陌生的数据时，可以通过可视化（如分布直方图、散点图）快速了解数据的整体情况、发现异常值、验证数据是否符合常识。
  • 洞察结论：将初步的分析结果（如聚类结果、关联规则）可视化，可以帮助你更直观地发现模式，形成初步的洞察。
• 在输出层（沟通与呈现）：
  • 报告呈现：将最终的分析结论以图表形式融入报告，能极大地提升报告的可读性和说服力，帮助客户或决策者一目了然地理解复杂信息。

可视化应用示例

让我们通过两个简单的例子来感受可视化的力量：

1. 通过可视化进行分析：分析某电商网站的用户访问量。通过折线图，我们可以清晰看到在2018年12月9日至15日期间，访问量出现了一个显著的峰值。结合业务知识，我们立刻就能联想到这是因为“双十二”促销活动导致的。可视化帮助我们快速建立了数据波动与业务事件之间的关联。
2. 将分析结果可视化呈现：通过用户行为分析，我们将客户划分为“重要保持客户”、“重要发展客户”、“重要挽留客户”和“重要价值客户”四类。如果只用数字（如30%，25%，25%，20%）来展示比例，不够直观。而使用饼图或环形图，则可以让人瞬间把握各类客户的相对大小，例如一眼看出“重要保持客户”占比最大，而“重要价值客户”占比最小，从而明确后续的客户运营重点。

三、 数据可视化的分类

数据可视化有多种分类方式。根据数据本身类型的不同，我们可以将其分为以下几类，这也是后续我们选择不同图表类型的重要依据：

1. 统计数据可视化：针对存储在数据库表格中的统计数据进行可视化分析。例如，展示不同产品的销售额、各地区的平均收入等。柱状图、折线图、散点图等是这类数据的常用可视化形式。
2. 关系数据可视化：展现数据实体之间的逻辑关系、流程或层次结构。例如，描述一个业务流程的流程图，或者展示用户转化各个环节流失情况的漏斗图。
3. 地理空间数据可视化：数据中包含地理位置信息（如省、市、经纬度）及其相关的测量值（如GDP、人口）。这类数据通常使用地图进行可视化，例如用颜色深浅表示不同省份的GDP高低。
4. 时间序列数据可视化：数据记录以时间为单位，分析的重点是观察指标随时间变化的趋势。折线图和面积图是表现时间序列数据的经典选择。
5. 网络数据可视化：描述实体之间复杂的连接关系。例如，社交网络中用户之间的关注关系（社交网络图），或文学作品中人物之间的互动关系（关系图）。
6. 文本数据可视化：从非结构化的文本数据（如商品评论、微博内容）中提取信息并进行可视化。例如，通过词云展示高频关键词，以洞察用户关注点和情感倾向。

理解这些分类，能帮助我们在面对具体数据时，快速定位到最适合的可视化方法。

📝 动手练一练

1. 思考题：假设你拿到了一份某连锁超市2019-2023年各门店的月度销售数据表（包含字段：年份、月份、门店ID、城市、销售额、利润）。如果你想分析“不同城市年销售总额的变化趋势”，以及“2023年各城市利润占比”，分别对应上述哪种数据可视化分类？你会优先考虑用什么图表？
2. 实践题：请使用 Python 和 pandas，创建一个包含以下数据的 DataFrame：年份=[2020,2021,2022,2023,2024]，销售额=[120,150,180,160,200]。尝试用一行代码计算销售额的年增长率（当前年相比前一年的增长百分比）。

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({
    '年份': [2020, 2021, 2022, 2023, 2024],
    '销售额': [120, 150, 180, 160, 200]
})

# 计算年增长率（百分比）
df['增长率(%)'] = df['销售额'].pct_change() * 100
print(df)

年份  销售额     增长率(%)
0  2020  120        NaN
1  2021  150  25.000000
2  2022  180  20.000000
3  2023  160 -11.111111
4  2024  200  25.000000

本章小结

本节我们建立了对数据分析与可视化的整体认知。我们了解到，数据分析是一个从业务需求出发，历经数据获取、清洗、整理、分析建模，最终产出价值结论的系统工程。而数据可视化，则是贯穿于分析探索与结果呈现全过程的关键手段，它让数据“说话”，将复杂信息转化为直观洞察。

📋 行动清单

• 理解并记忆大数据的几个核心“V”特征，特别是准确性（Veracity） 对数据分析质量的决定性影响。
• 梳理数据分析的标准流程，并明确数据可视化在分析层（探索、验证）和输出层（呈现、沟通）的具体作用。
• 尝试根据数据特征（统计、关系、时空等）对常见的图表类型（如柱状图、流程图、地图、折线图）进行初步归类，形成“数据-图表”匹配的初步直觉。

—— 小象教研组