任务2：数据可视化 - Coggle数据科学

link管理

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

## 数据可视化

数据可视化（Data Visualization）是聚焦数据表现形式的领域，如何将信息进行抽象、对比和展示的方法。数据可视化在不断发展，可供使用的工具和展示形式在不断演变。与数据科学的其他方向相比（机器学习和数据挖掘），可视化涵盖的技术方法更多，形式更加多样。

下图，未来美国的人口统计数据（不同年龄阶段）

下图，电影对白（按性别划分）

数据可视化根据用途可以划分为：

数据统计展示；

数据分布展示；

数据对比展示；

数据可视化在机器学习&深度学习中应用广泛，如特征相关性热力图、特征分布趋势图、梯度可视化图和特征重要性直方图。

在交通领域，数据可视化同样用途广泛：

通过可视化可以找到热门的区域，定位到拥堵区域；

通过可视化可以找到热门的线路，定位拥堵线路；

通过可视化可以找到交通的流量；

无一例外，现有地图大数据报告都使用可视化的方式进行呈现：

百度交通大数据报告： https://jiaotong.baidu.com/reports/

滴滴交通大数据报告： https://sts.didiglobal.com/

高德交通大数据报告： https://report.amap.com/diagnosis/index.do

腾讯地图大数据： https://heat.qq.com/

### 常规可视化

可视化是每一位同学必备的技能，同时也是需要反复练习的技能，是必备的技能。学习可视化，可以通过如下的流程完成：

学习可视化的组成元素；

学习可视化的常见图像案例；

学习可视化库的使用；

如上图在绘制一张图的过程中，有较多的细节需要注意，上图来源为 matplotlib 。一张图包含的具体的组成元素如下：

坐标轴、坐标轴标题；

图表标题、数据标签；

误差线、网格线；

上述的每个元素搭配起来就是整张图，看起来是不是非常简单？所以可视化并不是一件很难的事情，只需要注意到细节就肯定可以绘制得到美观的图。但可视化的内容实在是太多了，我们推荐的学习路线如下：

步骤1：学习有哪些可视化方法；

步骤2：选择一个库进行具体可视化；

### 可视化图表类型

饼图（Pie Chart）或称饼状图，是一个划分为几个扇形的圆形统计图表。在饼图中，每个扇形的弧长（以及圆心角和面积）大小，表示该种类占总体的比例，且这些扇形合在一起刚好是一个完全的圆形。

散点图（Scatter Plot）是在笛卡尔座标上放置一系列的数据点，用来显示两个变量的数值（每个轴上显示一个变量），并检测两个变量之间的关系或相关性是否存在。

条形图（Bar Chart）采用水平或垂直条形（柱形图）来比较不同类别的离散数值。图表其中一条轴代表要比较的具体类别，另一条则用作离散数值的标尺。

数据可视化图表类型，实在是太太太多了（至少几十种），而且每种图的元素、特点和计算逻辑都不太一样，由于篇幅原因我们就不展开讲。当然不是要求大家对每一种图都熟悉，是希望大家知道有这些图的存在，如果之后画图可以找一种更加有效的图进行展示。非常推荐大家阅读下面的两个可视化介绍网站：

https://datavizcatalogue.com/ZH/index.html

http://tuzhidian.com/

箱形图（又称为「盒须图」或「箱线图」）能方便显示数字数据组的四分位数。

可以从箱形图得出的观察结果：

关键数值，例如平均值、中位数和上下四分位数等

任何异常值（以及它们的数值）

数据分布是否对称

数据分组有多紧密

数据分布是否出现偏斜（如果是，往什么方向偏斜）

### 地图可视化

地图可视化方法如下：

点示地图 (Dot Map) 在地理区域上放置相等大小的圆点，旨在检测该地域上的空间布局或数据分布。

气泡地图指定地理区域上方会显示圆形图案，圆形面积与其在数据集中的数值会成正比。

连接地图 (Connection Map) 即是用直线或曲线连接地图上不同地点的一种图表。

流向地图 (Flow Map) 在地图上显示信息或物体从一个位置到另一个位置的移动及其数量，通常用来显示人物、动物和产品的迁移数据。

地区分布图通常用来显示不同地理分区或区域（不同颜色或图案）与数据变量之间的关系，并把所显示位置的数值变化或模式进行可视化处理。

## 赛题可视化

基于上面的可视化方法，我们可以使用可视化方法完成基础的数据可视化，下面代码以将以巡游车GPS taxiGps20190531.csv 为案例进行数据统计。

24小时巡游车统计数量；

taxigps2019.groupby(['GPS_TIME_hour'])['CARNO'].nunique().plot()
plt.ylabel('Car Count')
24小时巡游车平均GPS速度；
taxigps2019['GPS_SPEED'] = np.clip(0, 150, taxigps2019['GPS_SPEED'])
taxigps2019.groupby(['GPS_TIME_hour'])['GPS_SPEED'].mean().plot()
taxigps2019[taxigps2019['GPS_SPEED'] != 0].groupby(['GPS_TIME_hour'])['GPS_SPEED'].mean().plot()
plt.legend(['Mean GPS Speed, contain 0', 'Mean GPS Speed, not contain 0'])
24小时巡游车平均运营车辆；
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
df = taxigps2019[taxigps2019['OPERATING_STATUS'] == 1]
df.groupby(['GPS_TIME_hour'])['CARNO'].nunique().plot()
df = taxigps2019[taxigps2019['OPERATING_STATUS'] == 8]
df.groupby(['GPS_TIME_hour'])['CARNO'].nunique().plot()
plt.legend(['STATUS 1', 'STATUS 8'])
某个时间巡游车位置分布；
from folium import plugins
from folium.plugins import HeatMap
map_hooray = folium.Map(location=[24.482426, 118.157606], zoom_start=14)
HeatMap(taxigps2019[['LATITUDE', 'LONGITUDE']].iloc[:1000].values).add_to(map_hooray)
map_hooray
某个巡游车具体的路线；
import folium
# Create the map and add the line
m = folium.Map(location=[24.482426, 118.157606], zoom_start=12)
my_PolyLine=folium.PolyLine(locations=taxigps2019[taxigps2019['CARNO'] == '0006d282be70d06881a7513b69fcaa60'][['LATITUDE', 'LONGITUDE']].iloc[:50].values,weight=5)
m.add_children(my_PolyLine)

## 学习资源
Matplotlib官网案例
https://python-visualization.github.io/folium/quickstart.html

## 课堂任务
如何统计得到所有巡游车中运营时间最长的车？
如何根据巡游车路线得到具体的运营规律？

## 打卡任务
可视化巡游车20190531 - 20190609 期间早上9点的平均速度变化；
可视化统计巡游车20190531 - 20190609 期间平均每辆巡游车运营时间（一天之内活跃的分钟个数）变化；