数据分析饼状图 用散点图进行数据分析

文章来源：林骥微信公众号

作者：林骥

你好，我是林骥。

散点图的用途有很多，我认为它的核心价值，在于应用相关思维，发现变量之间的关系。

散点图就像一扇窗，打开它，并仔细观察，能让我们看见更多有价值的信息。

比如说，假设表格中有 10000 个客户年龄和消费金额的数据：

我们可以计算每一个年龄对应的人均消费金额，比如说，所有 20 岁客户的平均消费金额约为 1383.69 元，然后我们可以画出一张散点图：

从图中可以看出，客户的年龄与人均消费金额有很强的相关性，其中应用了线性回归算法，得到一条拟合的直线，并用公式表示出来， 接近于 1 ，代表算法拟合的效果很好。

接下来，我们看看具体实现的步骤。

首先，导入所需的库，并设置中文字体和定义颜色等。

#导入所需的库 importnumpyasnp importpandasaspd importmatplotlibasmpl importmatplotlib.pyplotasplt fromsklearn.linear_modelimportLinearRegression fromsklearn.preprocessingimportPolynomialFeatures fromsklearn.pipelineimportPipeline #正常显示中文标签 mpl.rcParams['font.sans-serif']=['SimHei'] #自动适应布局 mpl.rcParams.update({'figure.autolayout':True}) #正常显示负号 mpl.rcParams['axes.unicode_minus']=False #禁用科学计数法 pd.set_option('display.float_format',lambdax:'%.2f'%x) #定义颜色，主色：蓝色，辅助色：灰色，互补色：橙色 c={'蓝色':'#00589F','深蓝色':'#003867','浅蓝色':'#5D9BCF', '灰色':'#999999','深灰色':'#666666','浅灰色':'#CCCCCC', '橙色':'#F68F00','深橙色':'#A05D00','浅橙色':'#FBC171'}

其次，从 Excel 文件中读取数据，并调用 sklearn 中的算法，得到拟合的直线和评分结果。

#数据源路径 filepath='./data/客户年龄和消费金额.xlsx' #读取Excel文件 df=pd.read_excel(filepath,index_col='客户编号') #定义画图用的数据：年龄和人均消费金额 df_group=df.groupby('年龄').mean() x=np.array(df_group.index).reshape(-1,1) y=np.array(df_group.values) #用管道的方式调用算法，以便把线性回归扩展为多项式回归 poly_reg=Pipeline([ ('ploy',PolynomialFeatures(degree=1)), ('lin_reg',LinearRegression()) ]) #拟合 poly_reg.fit(x,y) #斜率 coef=poly_reg.steps[1][1].coef_ #截距 intercept=poly_reg.steps[1][1].intercept_ #评分 score=poly_reg.score(x,y)

接下来，开始用「面向对象」的方法进行画图。

#使用「面向对象」的方法画图，定义图片的大小 fig,ax=plt.subplots(figsize=(8,6)) #设置标题 ax.set_title('\n客户每年长一岁，人均消费金额增加' '%.2f'%coef[0][1] '元\n',loc='left',size=26,color=c['深灰色']) #画气泡图 ax.scatter(x,y,color=c['蓝色'],marker='.',s=100,zorder=1) ##绘制预测线 y2=poly_reg.predict(x) ax.plot(x,y2,'-',c=c['橙色'],zorder=2) #隐藏边框 ax.spines['top'].set_visible(False) ax.spines['right'].set_visible(False) ax.spines['bottom'].set_visible(False) ax.spines['left'].set_visible(False) #隐藏刻度线 ax.tick_params(axis='x',which='major',length=0) ax.tick_params(axis='y',which='major',length=0) ax.set_ylim(15,65) ax.set_ylim(1000,5000) #设置坐标标签字体大小和颜色 ax.tick_params(labelsize=16,colors=c['深灰色']) ax.text(ax.get_xlim()[0]-6,ax.get_ylim()[1],'人\n均\n消\n费\n金\n额',va='top',fontsize=16,color=c['深灰色']) #设置坐标轴的标题 ax.text(ax.get_xlim()[0] 1,ax.get_ylim()[0]-300,'年龄',ha='left',va='top',fontsize=16,color=c['深灰色']) #预测55岁的人均消费金额 predict=poly_reg.predict([[55]]) #标注公式 formula=r'$\mathcal{Y}=' '%.2f'%coef[0][1] '\mathcal{X}' '% .2f$'%intercept[0] '\n' r'$\mathcal{R}^2=' '%.5f$'%score ax.annotate(formula,xy=(55,predict),xytext=(55,predict 500),ha='center',fontsize=12,color=c['深灰色'],arrowprops=dict(arrowstyle='->',color=c['橙色'])) plt.show()

你可以前往 https://github.com/linjiwx/mp 下载数据文件和完整代码。

当业务指标很多的时候，应该挑选什么指标来进行分析，这件事很考验分析者的功力，往往需要对业务有比较深刻的理解。

为什么很多人精通各种工具技术，手上也有很多各种各样的数据，却没有做出让领导满意的图表？

好的图表，就像是给近视的人戴了一副眼镜，让读者以更清楚的方式去理解数据。

好的图表，就像是神奇的催化剂，加快了从数据到决策的过程，让决策者更加快速地掌握有助于做出决策的信息。

好的图表，能把复杂的问题简单化，帮我们更精准地理解业务的现状，甚至预测未来。

我们应该记住，无论多么漂亮的图表，如果不能从中获取有价值的信息，那么也是一张没有「灵魂」的图表。

很多时候，我们面对的问题，并不是没有数据，而是数据太多，却不知道怎么用。

熟悉数据分析的思维，能帮我们找到更重要的数据，排除过多杂乱数据的干扰。

如果把数据分析比作医生看病的过程，那么可以分为以下 4 个阶段：

（1）描述：检查身体，描述指标值是否正常。

（2）诊断：询问病情，找到疾病的产生原因。

（3）预测：分析病情，预测病情的发展趋势。

（4）指导：开出药方，提出有效的治疗建议。

我们要尽可能地理解业务并提供价值，从数据的加工者，转变成故事的讲述者，甚至是问题的解决者。