如何选择合适的数据分析及可视化工具

主要内容

“近期练习了不少项目，也学习到了许多数据可视化工具，发现接触工具多了使用时会存在选择恐惧症的问题，现将各种可视化工具及其使用场景进行简要的概括。”

一、总论

就个人理解，数据可视化工具可以分为如下几个类型：基础数据可视化工具，空间数据可视化工具以及关系数据可视化工具。可能还有其他分类，欢迎指导！其中，基础数据可视化工具选择性最多，比如最常见的matplotlib、seaborn，还有bokeh，当然D3也是非常常用的(在项目中未曾使用，以后分析),此外还有集成度比较高的Tableau软件等。在空间数据可视化工具中，GIS、QGIS(轻量级)兼具空间统计建模分析与可视化展示，功能非常强大；当前一些利用js脚本编写的可视化工具也具有绚丽的空间可视化功能，但统计分析功能欠佳。在关系数据可视化方面，gelphi能够处理分析复杂的关系网络数据，兼具划分社区、聚类、计算最近邻等关系网络处理常见的操作。

为直观展示，现对项目过程中使用到的工具总结如下：

二、基础数据可视化

基础数据可视化可选工具是最多的，要根据需求灵活选择：

（一）matplotlib

matplotlib是python最基础的作图包，像seaborn等其它集成度更高的包中作图函数的**kw参数很多都是matplotlib的plot函数中的图形参数。从这一角度来看，matplotlib灵活度要更高，用其它包能实现的matplotlib也能实现。

（二）seaborn

seaborn包具备一定的统计可视化能力，如计算频数分布、数据密度曲线。图形参数大多来源于matplotlib，如boxplot画箱形图，hue参数用于分类，palette参数用于掉色盘，notch参数用于控制是否内陷，fliersize控制离群点的尺寸等等。

sns.boxplot(x=None,y=None,hue=None,data=None,order=None,

hue_order=None,orient=None,color=None,palette=None,

saturation=0.75,width=0.8,dodge=True,fliersize=5,

linewidth=None,whis=1.5,notch=False,ax=None,**kwargs)

图 船舱价格与船舱等级关系分析

但二者也仅仅局限在简单的统计可视化而已，要想实现更复杂的数据分析及可视化，还得先借助python进行数据清理、分析统计，然后再可视化。

（三）bokeh

bokeh是基于js开发的，在可视化上更灵活，记住js动作监听器机制，实现更强的交互能力，如legend的显隐、HoverTools动态提示等等，在要展示数据多的情况下，能够使图形界面更简洁，按需展示数据。

图 电商打折套路分析

可视化工具毕竟是可视化用的，不应要求其既具有极强的统计分析能力，又要求其具有极绚丽的可视化展示能力，部分软件可能集成度较高，在二者上都较为突出，但也丧失了可视化工具的灵活性。

三、空间数据可视化

（一）Qgis

这部分可查阅历史文章：利用QGIS进行空间数据分析。

（二）PowerMap

要求EXCEL2013以上版本，打开方式：插入-三维地图，界面如下：

项目相关效果图如下：

姓氏分布图（PowerMap）

（三）相关js工具

人口迁徙—2D空间轨迹图（js工具）

姓氏分布——热力图（js工具）

以上均是项目产品，通过python整理数据，导入制图模板生成。复杂的二维空间轨迹图需要借用geojson转换工具将qgis导出的shapefile数据转换为geojson数据后方能使用。从中可以上看出，基于js开发的可视化工具在展示上确实更加美观。

四、关系数据可视化

Gelphi是一款相当不错的关系数据分析软件。结合python数据清理，使用步骤可概括如下：

（一）利用python将数据整理成gelphi所需格式

边数据包括三个字段：source、target、value（固定的）

节点数据包括：id、label

边数据中的source、target都是节点数据中的id

（二）导入数据到gelphi

（三）调整节点/边的图形/标签的颜色、尺寸等属性，区分显示

（四）调整布局：防重叠等

（五）划分clique、community、聚类，计算最近邻等分析统计操作。

五、个人体会

1、数据分析及可视化工具层出不穷，不要拘泥某一种，谁好用用谁。

2、关键是清楚什么图形最能用于表达你的观点：如数据分布用密度图、直方图、条形图、箱型图，二维数据的相关性用散点图、折线图，多维数据相关性用小提琴图等。

3、最基础工具的图形参数要掌握很熟练，如matplotlib。

4、可视化是重点时，优先选择基于js开发的工具，效果可定制，更美观。

5、地理空间数据和关系数据分析工具及其插件涉及较多算法，可依需要学习，不必面面俱到。