《PySpark大数据分析实战》-24.数据可视化图表介绍

📋 博主简介

• 💖 作者简介：大家好，我是wux_labs。😜
  热衷于各种主流技术，热爱数据科学、机器学习、云计算、人工智能。
  通过了TiDB数据库专员（PCTA）、TiDB数据库专家（PCTP）、TiDB数据库认证SQL开发专家（PCSD）认证。
  通过了微软Azure开发人员、Azure数据工程师、Azure解决方案架构师专家认证。
  对大数据技术栈Hadoop、Hive、Spark、Kafka等有深入研究，对Databricks的使用有丰富的经验。
• 📝 个人主页：wux_labs，如果您对我还算满意，请关注一下吧~🔥
• 📝 个人社区：数据科学社区，如果您是数据科学爱好者，一起来交流吧~🔥
• 🎉 请支持我：欢迎大家 点赞👍+收藏⭐️+吐槽📝，您的支持是我持续创作的动力~🔥

《PySpark大数据分析实战》-24.数据可视化图表介绍

前言

大家好！今天为大家分享的是《PySpark大数据分析实战》第3章第3节的内容：数据可视化图表介绍。

图书在：当当、京东、机械工业出版社以及各大书店有售！

数据分析图表介绍

在数据分析中，可视化结果呈现是非常重要的一环，它可以让数据更加直观、易于理解和传达。分析结果主要是通过数据报表、图表、图像等方式进行可视化呈现，常见的数据分析图表包括：

1）折线图（Line Chart）。折线图用于表示时间序列数据或连续数据的趋势，它的特点是反映事物随时间或有序类别而变化的趋势，折线图中x轴通常表示时间或连续变量，y轴表示数据值。

2）柱状图（Bar Chart）。柱状图用于将数据以柱形的形式展示，常用来比较不同类别之间的数据，柱状图中x轴表示不同的类别，y轴表示数量或比例。

3）饼图（Pie Chart）。饼图常用来表示一个数据系列中各类别的大小与所有类别总和的比例，每个扇形区域表示一个类别的比例，通常用于展示不超过5个类别的数据。

4）散点图（Scatter Plot）。散点图将所有的数据以点的形式展现在直角坐标系上，用来展示两个变量之间的相互影响关系，每个点代表一个数据点，x轴和y轴表示不同的变量，颜色、大小、形状等可以表示其他维度的信息。

5）箱型图（Box Plot）。箱型图是利用数据中的5个统计量：最小值、第1个四分位数、中位数、第3个四分位数与最大值来描述数据的一种方法，可以展示数据的分布和异常值，箱子的长度表示数据的四分位距，上下须子表示数据的范围，点表示异常值。

6）热力图（Heat Map）。热力图是用来展示二维表格数据的图表，颜色深浅表示数据值的大小，可以帮助快速找出数据中的异常和规律。

7）地图（Map）。地图可以展示地理位置相关的数据，可以用不同的颜色、大小、形状等来表示数据。

结束语

好了，感谢大家的关注，今天就分享到这里了，更多详细内容，请阅读原书或持续关注专栏。