大纲
可视化是什么
在大数据时代，我们周围的数据越来越丰富，量级越来越大，如何能快速的理解数据中的规律呢？一种方法就是通过后面课程将学到的数据分析进行总结归纳，还有一种方法就是用图形的方式。因为我们人类是视觉动物，有非常犀利的视觉感知系统和全面的解读系统。所以我们可以利用这种视觉功能，来帮助自身理解数据。数据绘图也是数据分析的一种重要手段。
数据绘图和一般的绘画不一样，数据绘图是将数据的一些属性反映在图形上。那么首先我们来看一下，可以利用的图形基本元素包括哪些：
位置，不同坐标位置上的点线可以反映不同数据的大小变化。
尺寸，不同点的大小，线的粗细可以反映数据的大小变化。
形状，不同点的形状可以反映数据的不一样，例如圆点，或三角形的点。
根据不同的图形元素可以组合成各种不同的图形，以满足不同的场合需要。我们可以先来学习三种图形，分别是：
matplotlib绘图基础
matplotlib是python环境中非常重要的绘图模块，它的功能非常丰富，我们先来学习用它来绘制几种基本图形。
Copy import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline 先通过numpy模块来构造两个向量，x和y，x形成了横坐标的位置，y形成了sin函数的大小。
Copy x = np.linspace(0, 2*3.1415, 100)
y = np.sin(x) 使用linspace从0开始到$2\pi$生成100个点，然后用向量化计算直接算出100个点对应的sin值。再使用plt.plot，就绘制了基础的线图，表现了两个变量之间的函数关系。这种线图就是将数据的大小反映到坐标位置上，我们很容易观察出sin函数的这种规律性波动变化。
我们还想将sin函数的最大值和最小值给标示出来，首先将这两个值计算出来，分别存到max_min_x和max_min_y中，然后在画完线图后，直接再画一个点图，使用的是scatter函数。这种通过点的位置反映两个特定数值的大小，是为了着重强调极值的位置。
Copy max_min_x = np.array([3.1415/2, 3.1415 * 3/2])
max_min_y = np.sin(max_min_x)
x = np.linspace(0, 2*3.1415, 100)
y = np.sin(x)
Copy plt.plot(x,y);
plt.scatter(max_min_x,max_min_y); 图形可以叠加，让我们画两个函数，分别是sin和cos函数，而且用hline画了一个横线，表示横坐标轴。这里图形自动将不同的曲线用不同的颜色绘制，体现了颜色这种图形元素的用种，让我们容易区分不同曲线的变化。
Copy x = np.linspace(0, 2*3.1415, 100)
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x,y1)
plt.plot(x,y2)
plt.hlines(0,0,6,linestyles='dotted',color = 'grey'); 在上一节我们学习了如何来扔骰子，而且计算出来扔骰子点数的分布情况，下面我们来用条形图，把这个分布情况给形象的绘制出来。
Copy import numpy.random as rd
dies = rd.randint(1,7,10000)
def func_count(x):
result = dict()
number = np.unique(x)
for n in number:
result[n] = x[x == n].size
return result
dies_output = func_count(dies)
Copy {1: 1662, 2: 1639, 3: 1655, 4: 1662, 5: 1660, 6: 1722} 上面的代码和之前章节内容一样，算出了各个点数的次数，然后我们用两个列表解析把点数和对应的次数分别保存。
Copy x = [k for k,v in dies_output.items()]
y = [v for k,v in dies_output.items()] 然后使用plt.bar函数，来绘制出来条状图。条状图将数字大小反映到了色块的位置和尺寸上，很容易观察到这些点数的分布，基本上是相同的，这种分布就是均匀分布。
然后我们再绘制两个骰子扔出点数之和的条状图，还是用bar来绘制，是不是很简单。这个图形和上面图形明显不一样，这里的条状图反映出两边低，中间高的钟形分布，原因我们已经在上一课讲过了，这里更能直观的感受到这一点。这种钟形分布又被称为正态分布。
Copy die_1 = rd.randint(1,7,10000)
die_2 = rd.randint(1,7,10000)
die_sum = die_1 + die_2
dies_output = func_count(die_sum)
x = [k for k,v in dies_output.items()]
y = [v for k,v in dies_output.items()] 小结：画图是为了利用人的视觉系统，用plot画线图，scatter画点图，bar画条状图。
交互式绘图
之前学习的图形都是静态的，静态图的数据是给定的，如果我们某个数据变更一下，希望对应的图形也变更一下，这样更容易理解数据其中的规律，此次就需要交互性动态图。动态图需要另一个模块，就是ipywidgets模块。
Copy import ipywidgets as widgets
Copy def plot_func(freq):
x = np.linspace(0, 2*3.1415,100)
y = np.sin(x * freq)
plt.plot(x, y) 我们先定义了一个sin函数的静态图绘制代码，可以看到这个代码有一个参数，就是freq，freq如果发生改变，这个图形也会发生改变，那我们就把这个freq参数做为动态图的输出参数，
Copy widgets.interact(plot_func,freq=widgets.IntSlider(min=0,max=10,step=1,value=2));
Copy interactive(children=(IntSlider(value=2, description='freq', max=10), Output()), _dom_classes=('widget-interac… 如果你用鼠标去滑动那个freq的滑块，这个参数就会发生改变，图中的sin曲线也因此发生改变。
另一个例子是类似的，不过这里是画一条斜线，斜线有两个参数决定，分别是截距和斜率，一个普通的静态图绘制所下所示。
Copy def plot_lines(a,b):
x = np.linspace(-1,1,100)
y = a+b*x
plt.plot(x, y)
plt.hlines(0,-1,1,linestyles='dotted',color = 'grey')
plt.vlines(0,-1,1,linestyles='dotted',color = 'grey')
plt.xlim((-1,1))
plt.ylim((-1,1))
plt.show() 为了让我们能交互式的绘图，可以和上面类似，定义两个可以拖动的滑块，分别代表两个参数
Copy slide1 = widgets.FloatSlider(min=-1,max=1,step=0.1,value=0.1)
slide2 = widgets.FloatSlider(min=-1,max=1,step=0.1,value=0.1)
widgets.interact(plot_lines,a=slide1, b=slide2);
Copy interactive(children=(FloatSlider(value=0.1, description='a', max=1.0, min=-1.0), FloatSlider(value=0.1, descr… 如果你用鼠标去控制a,b两个滑块，你会发现图中斜线也会不一样，让人很容易理解这两个参数的意义。
小结：交互式的数据可视化，可以让我们和图形产生互动，非常形像而容易理解。
练习
我们来绘制骰子扔出的点数的分布图，我们想用骰子的个数来作为输入参数，这样可以看到，当扔一个骰子和几个骰子的时候骰子分布的不同。
Copy def plot_dies(n):
dies = rd.randint(1,7,[n,10000])
die_sum = dies.sum(0)
dies_output = func_count(die_sum)
x = [k for k,v in dies_output.items()]
y = [v for k,v in dies_output.items()]
plt.bar(x, y);
Copy slider = widgets.IntSlider(min=1,max=20,step=1,value=2)
widgets.interact(plot_dies,n=slider);
Copy interactive(children=(IntSlider(value=2, description='n', max=20, min=1), Output()), _dom_classes=('widget-int… 一个更有趣的例子是可以自动播放上面的动态图。
Copy play = widgets.Play(
value=1,
min=0,
max=20,
step=1
)
slider = widgets.IntSlider(min=1,max=20,step=1,value=2)
widgets.jslink((play, 'value'), (slider, 'value'))
w = widgets.interactive(plot_dies,n=slider)
widgets.VBox([play,w])
Copy VBox(children=(Play(value=1, max=20), interactive(children=(IntSlider(value=2, description='n', max=20, min=1)… 看到那个三角形的播放按键了吧，你点一下播放，看看会有什么有趣的事情发生。
