欢迎来到我们为期一个月的“数据解密”系列的第十篇。作为数据素养月的一部分，本系列将澄清数据世界中的关键概念，回答您可能不敢问的问题，并在此过程中保持趣味性。如果您想从头开始，请阅读本系列的第一篇：什么是数据集？
本周，我们将介绍常见的数据可视化以及如何解读它们。数据可视化常被称为通往数据科学的“入门药”；本文将聚焦于能刻画分布的可视化，并讲解如何解读。
刻画分布的可视化
数据可视化的一个关键用例是捕捉变量的分布。呈现分布有助于您理解所可视化数据的关键统计特性，并帮助受众就关键结果做出有据可依的决策。在开始之前，以下是可视化分布时需要牢记的一些要点：
- 分布的形状是什么？分布是否对称，还是不对称？
- 分布的离散程度如何？也就是数据集中最小值与最大值之间的差异。
- 分布中是否存在离群值？
- 分布是否有某种模式？是随机的，还是呈现出明显的形状？
- 平均值是多少（均值、众数、中位数）？
下面四种可视化有助于我们把握这些要点。
直方图
直方图是一种用柱形展示数值型变量分布的图表。它能方便地展示分布的主要特征，尤其适用于大型数据集。直方图大显身手的典型场景包括：呈现公司员工的薪资分布，或某一患者队列的血糖水平分布。
展示 2022 年澳大利亚男性死亡年龄的直方图（来源：Oosterbaan）
构建直方图时，首先将数值数据划分为若干区间（bins），并统计每个区间的出现频率。横轴表示区间，纵轴表示某一区间出现的频率或百分比。直方图可以立刻展示变量分布的偏斜程度或峰值所在。以下是我们“人人可学数据可视化”课程中的示例。
直方图可以是对称的、左偏的或右偏的。（来源：DataCamp）
直方图可以有多个众数（来源：DataCamp）
尽管直方图和条形图在外观上类似，但它们的功能不同，不应混淆。以下是关键差异。
| |
直方图
|
条形图
|
|
功能差异
|
用于展示数值型变量的分布。
|
用于比较各类别之间的数值。
|
|
视觉差异
|
各柱之间没有空隙。
|
各柱之间通常有空隙。此外，
|
密度图
与直方图类似，密度图也表示数值型变量的分布。不同的是，密度图用平滑的曲线而非柱形。密度图的横轴是数值变量，纵轴是概率密度函数。变量落在某一范围内的概率等于曲线下相应区间的面积。
小鼠出生体重介于 1.0 到 1.2 克之间的概率等于密度曲线在该区间下的面积（来源：SPSS）
密度图比直方图更能有效展示分布形状。直方图若选择的分箱数过少或过多，可能掩盖底层分布的真实形状；而密度图无需分箱，能呈现平滑的分布曲线。
直方图中分箱数量的选择至关重要。（来源：Laerd Statistics）
在比较多组分布时，密度图也通常优于直方图。
使用密度图与直方图比较分布（来源：Koehrsen Will）
箱线图
直方图适合展示数据的整体分布，而箱线图擅长对分布进行概括。
箱线图的结构（来源：Galarnyk）
用箱线图可视化数据，可以揭示以下信息：
- 中位数：数据集的中间值，其中 50% 的数据小于中位数，50% 的数据大于中位数。
- 上四分位数：数据集的第 75 百分位，其中 75% 的数据小于上四分位数，25% 的数据大于上四分位数。
- 下四分位数：数据集的第 25 百分位，其中 25% 的数据小于下四分位数，75% 的数据大于下四分位数。
- 四分位距：上四分位数减去下四分位数。
- 上相邻值：口语中常称为“最大值”。表示上四分位数加上 1.5 倍四分位距。
- 下相邻值：口语中常称为“最小值”。表示下四分位数减去 1.5 倍四分位距。
- 离群值：任何高于“最大值”或低于“最小值”的数值。
小提琴图
小提琴图介于箱线图与密度图之间，兼具二者特点。
小提琴图展示总账单的分布（来源：DataCamp）
与密度图类似，小提琴图展示密度分布；与箱线图类似，小提琴图也呈现汇总统计。小提琴图是一种能够同时展示并概括数值型变量分布的有效工具。
小提琴图的结构（来源：Hintze 和 Nelson）
从今天开始上手数据可视化
希望您喜欢这篇关于数据可视化的简短介绍。在下一篇中，我们将探讨新闻如何报道 AI，以及如何对该领域的最新进展保持理性怀疑。若您想从今天开始开启数据学习之旅，请查看以下资源。
欢迎来到我们为期一个月的“数据解密”系列的第十篇。作为数据素养月的一部分，本系列将澄清数据世界中的关键概念，回答您可能不敢问的问题，并在此过程中保持趣味性。如果您想从头开始，请阅读本系列的第一篇：什么是数据集？
本周，我们将介绍常见的数据可视化以及如何解读它们。数据可视化常被称为通往数据科学的“入门药”；本文将聚焦于能刻画分布的可视化，并讲解如何解读。
刻画分布的可视化
数据可视化的一个关键用例是捕捉变量的分布。呈现分布有助于您理解所可视化数据的关键统计特性，并帮助受众就关键结果做出有据可依的决策。在开始之前，以下是可视化分布时需要牢记的一些要点：
下面四种可视化有助于我们把握这些要点。
直方图
直方图是一种用柱形展示数值型变量分布的图表。它能方便地展示分布的主要特征，尤其适用于大型数据集。直方图大显身手的典型场景包括：呈现公司员工的薪资分布，或某一患者队列的血糖水平分布。
展示 2022 年澳大利亚男性死亡年龄的直方图（来源：Oosterbaan）
构建直方图时，首先将数值数据划分为若干区间（bins），并统计每个区间的出现频率。横轴表示区间，纵轴表示某一区间出现的频率或百分比。直方图可以立刻展示变量分布的偏斜程度或峰值所在。以下是我们“人人可学数据可视化”课程中的示例。
直方图可以是对称的、左偏的或右偏的。（来源：DataCamp）
直方图可以有多个众数（来源：DataCamp）
尽管直方图和条形图在外观上类似，但它们的功能不同，不应混淆。以下是关键差异。
直方图
条形图
功能差异
用于展示数值型变量的分布。
用于比较各类别之间的数值。
视觉差异
各柱之间没有空隙。
各柱之间通常有空隙。此外，
密度图
与直方图类似，密度图也表示数值型变量的分布。不同的是，密度图用平滑的曲线而非柱形。密度图的横轴是数值变量，纵轴是概率密度函数。变量落在某一范围内的概率等于曲线下相应区间的面积。
小鼠出生体重介于 1.0 到 1.2 克之间的概率等于密度曲线在该区间下的面积（来源：SPSS）
密度图比直方图更能有效展示分布形状。直方图若选择的分箱数过少或过多，可能掩盖底层分布的真实形状；而密度图无需分箱，能呈现平滑的分布曲线。
直方图中分箱数量的选择至关重要。（来源：Laerd Statistics）
在比较多组分布时，密度图也通常优于直方图。
使用密度图与直方图比较分布（来源：Koehrsen Will）
箱线图
直方图适合展示数据的整体分布，而箱线图擅长对分布进行概括。
箱线图的结构（来源：Galarnyk）
用箱线图可视化数据，可以揭示以下信息：
小提琴图
小提琴图介于箱线图与密度图之间，兼具二者特点。
小提琴图展示总账单的分布（来源：DataCamp）
与密度图类似，小提琴图展示密度分布；与箱线图类似，小提琴图也呈现汇总统计。小提琴图是一种能够同时展示并概括数值型变量分布的有效工具。
小提琴图的结构（来源：Hintze 和 Nelson）
从今天开始上手数据可视化
希望您喜欢这篇关于数据可视化的简短介绍。在下一篇中，我们将探讨新闻如何报道 AI，以及如何对该领域的最新进展保持理性怀疑。若您想从今天开始开启数据学习之旅，请查看以下资源。