适合各个水平的 10 个数据可视化项目创意

面向初学者的数据可视化项目

入门项目侧重于打牢基础技能，并开始理解可视化。

重点学习 Excel 和基础的 Matplotlib，从简单的散点图、折线图和条形图入手。以便于理解、能支撑您对数据已有认知的图形作为起点，是构建数据可视化基础技能的绝佳方式。

在这个阶段，建议您参加如 Understanding Data Visualization 这样的入门课程，并动手做一些项目。

项目 1：按星期几绘制机票价格

该项目思路是使用 Excel 创建一个或多个散点图，来可视化不同星期几的机票价格。您可以使用一个包含每周各天机票价格的数据集，并为不同航线或航空公司制作多张图表。用 Excel 的散点图功能绘制价格，横轴为星期几，纵轴为机票价格。

这个项目非常适合初学者起步。它借助广泛可用的 Excel 软件引入数据可视化的关键概念。它让新手能够处理真实、贴近日常生活且可能有用的数据。

该项目提供了将原始数值数据转化为可视形式的实践经验，从而揭示机票定价中的模式，例如哪些天更便宜、哪些天更贵。

完成该项目将学习或强化的技能与工具包括：

• 使用 Excel 进行数据可视化
• 数据录入与整理
• 理解不同图表类型及其适用场景
• 数据探索与模式识别

       来自 TripAdvisor 的机票价格数据探索。图片来源：NYCDataScience

项目 2：用 R 创作螺旋分布（Phyllotaxis）艺术

如果您希望获得引导式体验，“Creating Floral Patterns Inspired by Phyllotaxis” 项目通过 R 的数据可视化探索数学、自然与艺术的交汇。利用螺旋分布（phyllotaxis，植物叶序）这一概念，您将创建视觉上惊艳的螺旋图案，模拟花卉与植物中的自然形态。螺旋分布是数学原理（如斐波那契数列与黄金角）如何刻画自然之美的典型例子。

在项目结束时，您将创作出属于自己的花朵艺术作品，借助数据可视化技巧展示这些自然图案的优雅。本项目非常适合希望将创造力与数据科学相结合、并加深对自然界数学模型理解的学习者。

本项目中将习得的数据可视化技能包括：

• 使用 ggplot2 等工具在 R 中创建可视化
• 理解并实现自然图案背后的数学原理
• 通过生成与处理数据来呈现优美形状，提升 R 编码能力
• 学习如何运用旋转与缩放等变换来创建复杂精巧的设计

项目 3：可视化诺贝尔奖得主的历史

“Visualizing the History of Nobel Prize Winners” 项目探索围绕全球最具声望奖项之一的历史数据。它涉及对不同类别、年份与人口统计维度下的诺贝尔奖得主数据进行分析与可视化。

该项目是初学者的理想之选，因为它将数据处理与有意义的可视化任务相结合，数据集既有趣又易于掌控。

该项目让您在与具有文化与历史意义的真实数据互动的同时，练习多种可视化技术。它还引入了利用数据可视化揭示并传达潜在偏差这一重要理念，在培养技术能力的同时训练批判性思维。

该项目提供 Python 与 R 两个版本。

本项目将学习的关键数据可视化技能包括：

• 创建时间序列可视化，展示跨越数十年的趋势
• 为类别数据（如奖项类别）设计条形图与饼图
• 开发用于地理分析的热力图或分级色彩地图
• 有效使用颜色来表示不同类别或突出差异

中级数据可视化项目

当您掌握了基础之后，是时候通过更具挑战性的项目来提升数据可视化技能了。本部分介绍中级创意，以扩展您的工具箱并加深分析能力。

项目 4：比较棒球运动员数据

“Compare Baseball Player Statistics” 项目提供了一个有趣机会，使用真实的体育数据，在 Python 中应用并拓展基础的数据可视化技能。

利用美国职业棒球大联盟的 Statcast 数据，您将分析并比较两位球员的本垒打。该项目让您处理多维数据，将空间信息（击球位置与轨迹）与数值数据（出球初速、发射角）结合。必须选择合适的可视化类型来有效呈现这类复杂数据，包括散点图、热力图，甚至可能是 3D 可视化。

此外，处理体育数据还能增加叙事性，鼓励您用可视化来讲述两位球员本垒打模式的异同。

完成本项目将学习与练习的关键数据可视化技能包括：

• 清洗与准备复杂的体育数据集
• 通过视觉叙事打造数据驱动的故事
• 处理空间数据与地理可视化
• 理解热力图、散点图等不同图表类型及其适用场景。

项目 5：分析航班延误与取消

“Analyzing Flight Delays and Cancellations” 项目为您提供探索来自美国西北太平洋地区真实航空数据的有趣机会。该项目分析一套全面的航班信息数据集，以发现导致延误与取消的模式与因素。

您将使用 Python 的数据整形技术来清洗并准备数据。随后，使用 Matplotlib 采用多种可视化方法，揭示与航空公司、机场、天气条件及其他影响航班中断的变量相关的洞见。

该项目在基础可视化知识之上，引入更复杂的多维数据分析。它要求您同时处理时间序列数据、地理信息和多个相互关联的变量。

如果您选择该引导式项目，您将创建高级可视化，有效传达各因素与航班中断之间的关系，并可能包含交互元素以便更深入地探索数据。该项目还引入了处理与可视化海量数据集的挑战，鼓励您有效使用数据聚合与汇总技术。

本项目将培养的关键数据可视化技能包括：

• 创建时间序列可视化，展示延误与取消随时间的变化模式
• 开发交互式仪表板，探索航班数据的多个方面
• 将统计分析与可视化结合（如相关性热力图）

项目 6：可视化心率与心脏病

"What is Your Heart Rate Telling You?" 项目使用 Cleveland 心脏病数据集探索心脏病这一重要议题。在该项目中，您将使用 R 探索最大运动心率与心脏病风险之间的关系，同时考虑混杂变量的影响。通过应用多重逻辑回归，您将揭示有关这一复杂健康问题的宝贵洞见。

学习者需要创建既能展示原始数据、又能体现统计关系与模型结果的可视化。您需要设计能够向大众有效传达复杂统计概念的可视化，将数据分析转化为视觉叙事。

该项目还引入了可视化混杂变量效应的挑战，推动学习者开发更高级的多变量可视化。这些图形将突出不同变量与心脏病风险之间的细微关系。

先修要求包括掌握 Tidyverse，并理解 R 中的假设检验。

本项目将培养的关键数据可视化技能：

• 可视化变量间关系，呈现趋势与模式。
• 同时展示多变量关系，清晰概览它们的相互作用。
• 展示模型结果，传达逻辑回归模型中关系的强度与方向。

项目 7：使用 ggplot2 分析全球预期寿命

通过 “Exploring global life expectancy trends” 项目来探索 ggplot2。理解 ggplot2 是成为数据科学家的重要组成部分，因为它包含许多与其他可视化工具（如 Matplotlib）共享的基础概念。

全球预期寿命数据涵盖广泛的人口统计、国家与时间段。等待被可视化的信息非常丰富，可以通过各种精美的散点图与图表展现。

把本项目当作加深对 ggplot2 理解的机会。专注于图形创建的机制，如绘图区域、分面与网格。通过手动调整图表来讲述更完整的故事，从而构建美观且有影响力的图形。

鉴于该项目在技术上的深入性，您应先理解 ggplot2 的基础，并具备一定的 R 数据清洗经验。

本项目侧重以下关键技能：

• 高级 ggplot2 定制
• 为其他项目构建可复用图形
• 理解图形生成机制，如分面与网格
• 通过为简单图表增加图层来讲述故事

高级数据可视化项目

从中级迈向高级，意味着将不断提升的技术能力与更细腻的工具和更好的叙事结合起来。这些高级项目聚焦于将上文类似概念应用到新技术上，例如结合更复杂的交互与叙事的 GeoPandas。

技能越强，自由度越高，您就能创作更契合故事的可视化。因此，这些创意将不那么规定化，提供更广泛的选择。

项目 8：使用 PowerBI 的桑基图追踪订阅流转

桑基图是展示人群流动的强大工具。该图形用传统编码方式制作较具挑战，因此使用 PowerBI 等工具能大大简化工作。虽然需要进行大量数据整形以构建合适的数据模型，但程序能轻松生成桑基图。

这个示例将展示初次接触如何在不经过试用期的情况下转化为订阅者。这里的重点是提升我们的 PowerBI DAX 技能。它需要对数据进行逆透视、创建动态数据模型，并对数据进行格式化以生成所需图形。

桑基图示例。图片来源 sqlbi

本项目聚焦的技能包括：

• 数据整形
• PowerBI DAX 函数
• PowerBI 数据建模
• 生成桑基图

项目 9：Spotify 的 Tableau 仪表板

由于 Spotify 音乐数据十分丰富，构建 Spotify 主题的 Tableau 仪表板是发展 Tableau 高级技能的绝佳方式。本项目建立在中级项目所获知识之上，我们曾对音乐进行分类。

此类项目聚焦于利用 Spotify 的音乐元数据打造一个引人入胜的故事。这是练习通过 Spotify 的 API 采集数据、进行整理并创建趣味仪表板的好机会。它应包含用于按流派、艺术家、年份与音色进行筛选的选择器。在 Tableau 故事中添加一个页面聚焦某首歌曲，并生成雷达图。练习多种Tableau 技能，以创建一个能吸引乐迷的完整仪表板。

将练习的关键技能包括：

• Tableau 高级机制，如雷达图与动作
• 创建 Tableau 故事
• 通过 API 采集数据
• 用数据讲故事

项目 10：使用 GeoPandas 可视化出行量

一种高级可视化技巧是利用空间数据。许多数据天生具有空间属性，从客户邮编到 GPS 轨迹数据。学习 Python 中的 GeoPandas 等专门工具，可以让您具备独特技能。

尝试一个使用 GeoPandas 创建地图、可视化与空间分析的项目。例如，使用 CitiBike 数据 可以很好地帮助您理解如何创建地图、认识不同的地图投影，以及如何从不同视角审视数据。

由于这是更专业的技能，建议先专注于在 Python 中分析地理空间数据，以理解地理空间数据的一般结构。

先从制作简单地图开始，使用合适的地理投影绘制站点位置。然后，在这些地图上叠加出行量与繁忙时段等数据。与其他图形一样，从基础出发，通过增加图层逐步完善。您甚至可以创建热力图来展示出行热点。

本项目将打磨的技能包括：

• 地理空间分析能力
• Python 中的 GeoPandas 知识
• 创建地图并理解 Python 中地图的生成机制

数据可视化项目汇总表

以下是每个项目及其所培养技能的快速概览。

结语

构建数据可视化作品集对于发展您的技术能力与叙事能力至关重要。雇主正在寻找既能产出复杂分析、又能与相关方高效沟通的 数据专业人士！

通过尝试以上项目保持技能新鲜，并利用各类 DataCamp 资源温习提升：

• Understanding Data Visualization
• Data Visualization with Python
• Data Visualization PowerBI
• Introduction to Matplotlib
• Excel Data Visualization
• Dashboards in Tableau