快速建立，當然是用庫囉。

主流的庫：pandas、seaborn、matplotlib。

另外plotlib和bokeh也可以瞭解下。

pandas

pandas是基礎，資料分析視覺化，首先要分析，然後才談得上視覺化。

pandas的主要概念是DataFrame和Serie。其中用的最多的是DataFrame。DataFrame你可以簡單理解為一張表格，每行是一個觀測（observation）/例項（instance），每列是一個特徵（feature）/屬性（property）。理解了DataFrame，Serie也就不難理解，DataFrame的每行你都可以把它看成是一個Serie.

然後pandas提供了各種資料分析的方法，處理DataFrame和Serie.

繪相簿

然後，seaborn、matplotlib、plotly、bokeh都是繪相簿，用來繪製各種視覺化的圖形。（當然，其實pandas也可以用來繪圖，但是pandas的繪圖能力比較孱弱，一般不用。）

seaborn是基於matplotlib的，後出轉精，API用起來比matplotlib簡潔舒服。不過seaborn並不能完全替代matplotlib，有的時候還是需要使用matplotlib。

seaborn和matplotlib都是繪製圖片，而plotly和bokeh可以做出可互動的圖片。當然，這也就意味著，為了實現互動功能，你需要自己搭一個服務（bokeh），或者是找平臺host（plotly提供收費host）。

我就分享一下我的一些認識，先從探索性分析開始。

什麼是探索性資料分析

探索性資料分析是我們資料分析中的第一步，假設我們已經擁有了資料，我們需要弄清楚如何構建資料，確定如何操縱可用的資料以獲得所需的答案。

我們可以透過對資料中的模式、趨勢、異常值和意外結果等進行廣泛的分析，使用視覺化和定量的方法來了解。

20世紀70年代由約翰圖基開發的探索性資料分析通常被描述為一種哲學，可以幫助我們解決如下相關問題：

發現錯誤和丟失的資料；

繪製資料的底層結構；

確定最重要的變數；

列出異常和異常值；

測試與具體模型相差的假設/檢查假設；

建立一個簡約的模型；

估計引數並計算相差的置信區間或誤差範圍。

資料視覺化

Python和R一樣都具有視覺化模組，R比較有名的有ggplot2，python也有相應的模組ggplot

還有seaborn，matplotlib，都是我們在做資料視覺化中使用的。詳細的可以到相應的官網上去學習。

快速構建探索性視覺化，應該必要的步驟或者說程式碼是必須的。

補充推薦一個Python 新資料視覺化模組——Plotly Express 。

Plotly Express

Plotly Express是一個新的高階Python資料視覺化庫，它是Plotly.py的高階封裝，它為複雜的圖表提供了一個簡單的語法。只需一次匯入，大多數繪圖只要一個函式呼叫，接受一個整潔的Pandas dataframe，就可以建立豐富的互動式繪圖。

Plotly Express 安裝

慣例，使用 pip進行安裝。

pip install plotly_expressPlotly Express支援構建圖表型別scatter:在散點圖中，每行data_frame由2D空間中的符號標記表示。scatter_3d:在3D散點圖中，每行data_frame由3D空間中的符號標記表示。scatter_polar:在極座標散點圖中，每行data_frame由極座標中的符號標記表示。scatter_ternary:在三元散點圖中，每行data_frame由三元座標中的符號標記表示。scatter_mapbox:在Mapbox散點圖中，每一行data_frame都由Mapbox地圖上的符號標記表示。scatter_geo:在地理散點圖中，每一行data_frame都由地圖上的符號標記表示。scatter_matrix:在散點圖矩陣（或SPLOM）中，每行data_frame由多個符號標記表示，在2D散點圖的網格的每個單元格中有一個，其將每對dimensions彼此相對繪製。density_contour:在密度等值線圖中，行data_frame被組合在一起成為輪廓標記，以視覺化該值的聚合函式histfunc（例如，計數或總和）的2D分佈z。density_heatmap:在密度熱圖中，行data_frame被組合在一起成為彩色矩形瓦片，以視覺化該值的聚合函式histfunc（例如，計數或總和）的2D分佈 z。line:在2D線圖中，每行data_frame表示為2D空間中折線標記的頂點。line_polar:在極線圖中，每行data_frame表示為極座標中折線標記的頂點。line_ternary:在三元線圖中，每行data_frame表示為三元座標中折線標記的頂點。line_mapbox:在Mapbox線圖中，每一行都data_frame表示為Mapbox地圖上折線標記的頂點。line_geo:在地理線圖中，每一行都data_frame表示為地圖上折線標記的頂點。parallel_coordinates:在平行座標圖中，每行data_frame由折線標記表示，該折線標記穿過一組平行軸，每個平行軸對應一個平行軸 dimensions。parallel_categories:在並行類別（或平行集）圖中，每行data_frame與其他共享相同值的行組合，dimensions然後透過一組平行軸繪製為折線標記，每個平行軸對應一個dimensions。area:在堆積區域圖中，每行data_frame表示為2D空間中折線標記的頂點。連續折線之間的區域被填充。bar:在條形圖中，每行data_frame表示為矩形標記。bar_polar:在極座標圖中，每一行都data_frame表示為極座標中的楔形標記。violin:在小提琴圖中，將data_frame行分組成一個曲線標記，以便視覺化它們的分佈。box:在箱形圖中，行data_frame被組合在一起成為盒須標記，以顯示它們的分佈。strip:在條形圖中，每一行都data_frame表示為類別中的抖動標記。histogram:在直方圖中，行data_frame被組合在一起成為矩形標記，以視覺化該值的聚合函式histfunc（例如，計數或總和）的1D分佈y（或者x如果orientation是"h"）。choropleth:在等值區域圖中，每行data_frame由地圖上的彩色區域標記表示。gapminder資料集說明

我們使用gapminder資料集進行體驗 Plotly Express 。

gapminder資料集顯示2007年按國家/地區的人均預期壽命和人均GDP 之間的趨勢：包含1952~2007年世界各國家人口、GDP發展與/地區的人均預期壽命和人均GDP 之間的趨勢。

Country：國家，ChinaContinent：洲，AsiaYear：年份，1952LifeExp：預期壽命，44POP：人口，556263527GdpPercap：分均 GDP，400.448611iso_alpha：國家編碼，CHNiso_num：國家程式碼,156上手體驗一下，輕鬆地進行資料視覺化。散點圖scatter

常用引數說明：

data_frame： 一個"整潔" pandas.DataFramex：（字串：列的名稱data_frame）此列中的值用於沿笛卡爾座標沿x軸定位標記。對於水平histogram()s，這些值用作輸入histfunc。y：（字串：列的名稱data_frame）此列中的值用於沿笛卡爾座標中的y軸定位標記。對於垂直histogram()s，這些值用作輸入histfunc。color：（字串：列的名稱data_frame）此列中的值用於為標記指定顏色。size：（字串：列名稱data_frame）此列中的值用於指定標記大小。color_continuous_scale：（有效CSS顏色字串列表）此列表用於在表示的列color包含數字資料時構建連續顏色標度。plotly_express.colors子模組中有各種有用的色標，特別plotly_express.colors.sequential是plotly_express.colors.diverging和plotly_express.colors.cyclical。title：（字串）圖示題。template：（字串或Plotly.py模板物件）圖模板名稱或定義。width：（整數，預設None）圖形寬度（以畫素為單位）。height：（整數，預設600）圖形高度（以畫素為單位）。

使用散點圖描述華人口與GDP增長趨勢圖

地理散點圖scatter_geo

常用引數說明

data_frame：“整潔”pandas.DataFramelat：(字串：data_frame)此列的值用於根據地圖上的緯度定位標記。lon：(字串：data_frame)此列的值用於根據地圖上的經度定位標記。locations：(字串：data_frame)該列中的值將根據locationmode並對映到經度/緯度。locationmode：(字串，“ISO-3”、“美國-州”、“國家名稱”之一)確定用於匹配locations地圖上的區域。color：(字串：data_frame)此列的值用於為標記指定顏色。size：(字串：data_frame)此列的值用於分配標記大小。color_continuous_scale：(有效的css-顏色字串列表)此列表用於在color包含數字資料。中提供了各種有用的色標。plotly_express.colors子模組，特別是plotly_express.colors.sequential, plotly_express.colors.diverging和plotly_express.colors.cyclical.title：(字串)圖形標題。width：(整數，預設)None)以畫素為單位的圖形寬度。height：(整數，預設)600)以畫素為單位的圖形高度。

使用地理散點圖描述全球人口與GDP

折線圖（line）

常用引數說明

data_frame：“整潔”pandas.DataFramex：(字串：data_frame)該列的值用於在笛卡爾座標中沿x軸定位標記。臥式histogram()，這些值用作histfunc.y：(字串：data_frame)該列的值用於在笛卡爾座標中沿y軸定位標記。垂直histogram()，這些值用作histfunc.color：(字串：data_frame)此列的值用於為標記指定顏色。facet_col：(字串：data_frame)此列中的值用於在水平方向平面子圖分配標記。title：(字串)圖形標題。width：(整數，預設)None)以畫素為單位的圖形寬度。height：(整數，預設)600)以畫素為單位的圖形高度。

使用折線圖描述1952~2007中國與美華人口增長趨勢圖

條形圖(bar)

常用引數說明

data_frame：“整潔”pandas.DataFramex：(字串：data_frame)該列的值用於在笛卡爾座標中沿x軸定位標記。臥式histogram()，這些值用作histfunc.y：(字串：data_frame)該列的值用於在笛卡爾座標中沿y軸定位標記。垂直histogram()，這些值用作histfunc.color：(字串：data_frame)此列的值用於為標記指定顏色。facet_row：(字串：data_frame)此列的值用於向垂直方向上的平面子圖分配標記。facet_col：(字串：data_frame)此列中的值用於在水平方向平面子圖分配標記。text：(字串：data_frame)此列的值以文字標籤的形式顯示在圖中。title：(字串)圖形標題。template：(String或Plotly.py模板物件)圖形模板名稱或定義。width：(整數，預設)None)以畫素為單位的圖形寬度。height：(整數，預設)600)以畫素為單位的圖形高度。

使用條形圖描述1952~2007中國與美華人口增長趨勢圖

等值區域圖（choropleth）

常用引數說明

data_frame：“整潔”pandas.DataFramelat：(字串：data_frame)此列的值用於根據地圖上的緯度定位標記。lon：(字串：data_frame)此列的值用於根據地圖上的經度定位標記。locations：(字串：data_frame)該列中的值將根據locationmode並對映到經度/緯度。locationmode：(字串，“ISO-3”、“美國-州”、“國家名稱”之一)確定用於匹配locations地圖上的區域。color：(字串：data_frame)此列的值用於為標記指定顏色。size：(字串：data_frame)此列的值用於分配標記大小。color_continuous_scale：(有效的css-顏色字串列表)此列表用於在color包含數字資料。中提供了各種有用的色標。plotly_express.colors子模組，特別是plotly_express.colors.sequential, plotly_express.colors.diverging和plotly_express.colors.cyclical.title：(字串)圖形標題。width：(整數，預設)None)以畫素為單位的圖形寬度。height：(整數，預設)600)以畫素為單位的圖形高度。

使用等值區域圖描述各個國家人口數量