《Python数据可视化》习题答案 吕云翔

第一章选择DDBCB判断题对对错错对填空题性质、状态加工简单原则、平衡原则、聚焦原则分布键值对问答题模式，指数据中的规律。比如，城市交通流量在不同时刻差异很大，而流量变化的规律就蕴含在海量传感器源源不断的传来的数据中。如果能及时从中发现交通运行模式，就可以为交通的管理和调控提供依据，进而减轻堵塞现象。数据收集错误，遗漏了数据对象，或者包含了本不应包含的其他数据对象;数据中的离群点，即不同于数据集中其他大部分数据对象特征的数据对象;存在遗漏值，数据对象的一个或多个属性值缺失，导致数据收集不全;数据不一致，收集到的数据明显不合常理，或者多个属性值之间互相矛盾。例如，体重是负数，或者所填的邮政编码和城市之间并没有对应关系;重复值的存在，数据集中包含完全重复或几乎重复的数据。Volume（大量）、Variety（多样）、Velocity（高速）、Value（价值）指数据之间的相关性。统计学中，通常代表关联性和因果关系。无论数据的总量和复杂程度如何大，数据间的关系大多可分为三类：数据间的比较、数据的构成，以及数据的分布或联系。比如，收入水平与幸福感之间的关系是否成正比，经统计，对于月收入在1万元以下的人来说，一旦收入増加，幸福感会随之提升，但对于月收入水平在1万元以上的人来说，幸福感并不会随着收入水平的提高而提升，这种非线性关系也是一种关系。标记，是数据属性到可视化几何图形元素的映射，用来代表数据属性的归类。根据空间自由度的差别，标记可以分为点、线、面、体，分别具有零自由度、一维、二维、三维自由度。如我们常见的散点图、折线图、矩形树图、三维柱状图，分别采用了点、线、面、体这四种不同类型的标记。第二章CCBCB错对错错对填空题Matplotlib统计数据机器学习C/C++图形库igraph交互性问答题Scikit-plot旨在降低生成复杂机器学习图表的难度，通过简单的函数调用即可生成多种图表。它提供了一组易于使用的函数，能够生成各种常见的图表，如混淆矩阵、ROC曲线、学习曲线等，以帮助我们更好地理解模型的性能和行为。Seaborn是基于Matplotlib进一步封装的库，专注于提供更高级且更易于使用的接口，并不是替代品，而是对Matplotlib的补充。Seaborn的优势在于其美观的默认风格和颜色方案，简化了常用统计图表的绘制，特别适合用于探索性数据分析（EDA）。此外，Seaborn与Pandas的集成非常自然，能够直接解析DataFrame的列名，简化了代码。python-igraph在社会网络分析、生物信息学、网络科学以及任何需要图论和网络分析的领域中都有广泛的应用。它提供了创建图对象、添加和删除节点（顶点）和边、修改和访问图属性以及顶点和边属性的功能。它支持有向图和无向图，以及混合图（同时包含有向边和无向边的图）。除了基础的图操作功能外，python-igraph还内置了大量的算法，用于网络结构分析，如中心性计算、社区检测、路径查找、最小生成树、网络流量分析和图同构判断等。Pyecharts是一个用于生成Echarts图表的Python库。Echarts是一个由百度开发的开源可视化库，生成的图的可视化效果非常好，其凭借良好的交互性，精巧的图表设计，得到了众多开发者的认可，并广泛用于数据可视化。Pyecharts利用Echarts的强大功能，使得在Python环境中创建交互式、动态的图表变得简单易行。这个库特别适合于web报告和演示文稿，因为生成的图表可以很容易地嵌入到网页中，并且支持用户交互操作。它提供了一种简单而强大的方式来创建多种动态图表，使得数据可视化变得既容易又有趣。HoloViews是一个基于Python的开源库，旨在简化数据可视化的创建过程。它建立在Bokeh、Matplotlib等可视化库的基础上，并提供了高级抽象，使得用户能够使用更少的代码来创建交互性可视化。第三章BCDCD对错对对对 填空题“r”Pickle平滑AxisScikit-learn问答题在Pandas中，合并来自不同来源的数据经常使用以下函数：pd.concat()函数：用于沿着一条轴将多个对象堆叠到一起。支持参数如axis（选择合并方向），join（如何处理其他轴上的索引，是取交集inner还是并集outer），ignore_index（是否忽略原有的索引值）等。pd.merge()函数：更适用于数据库之间的连接操作，提供了一种能够按照一个或多个键将不同DataFrame的行连接起来的方式，类似于SQL中的JOIN操作。支持参数如on（连接键列名），how（指定如何执行连接操作，包括'left','right','outer','inner'）等。df.join()方法：用于将两个可能不同索引的DataFrame按索引合并。可以用于合并多个带有相同或相似索引的DataFrame对象，但要求没有重叠的列。Python程序在运行时，其变量（对象）都是保存在内存中的，一般就把“将对象的状态信息转换为可以存储或传输的形式的过程”称之为（对象的）序列化。通过序列化，我们可以在磁盘上存储这些信息，或者通过网络来传输，并最终通过反序列化过程重新读入内存（可以是另外一个机器的内存）并使用。在open()的参数中，第一个是文件路径，第二个则是模式字符（串），代表了不同的文件打开方式，比较常用的是“r”（代表读），“w”（代表写），“a”（代表写，并追加内容），“w”和“a”常常引起混淆，其区别在于，如果用“w”模式打开一个已存在的文件，会清空文件里内容数据，重新写入新的内容，如果用“a”，不会清空原有数据，而是继续追加写入内容。用于沿着一条轴将多个对象堆叠到一起。支持参数如axis（选择合并方向），join（如何处理其他轴上的索引，是取交集inner还是并集outer），ignore_index（是否忽略原有的索引值）等。分箱技术是一种常用的数据预处理的方法，通过考察相邻数据来确定最终值，可以实现异常或者噪声数据的平滑处理。基本思想是按照属性值划分子区间，如果属性值属于某个子区间，就称将其放入该子区间对应“箱子”内，即为分箱操作。箱的深度表示箱中所含数据记录条数，宽度则是对应属性值的取值范围。分箱后，考察每个箱子中的数据，按照某种方法对每个箱子中数据进行处理，常用的方法有按照箱平均值、中值、边界值进行平滑等。在采用分箱技术时，需要确定的两个主要问题就是：如何分箱以及如何对每个箱子中的数据进行平滑处理。第四章ABCBD错错错对错填空题趋势色彩变化脊线图MatplotlibSeaborn堆叠柱形图问答题对于数据而言，时间不仅是一个关键维度，更是其本质属性之一。正是历史数据的积累造就了大数据的“体量”。无论是金融领域的股票交易价格和成交量，商业领域的商品销售价格和销量，还是社会经济指标如国内生产总值（GDP）和消费者物价指数（CPI），以及气象观测、生物种群变化等数据，时间序列数据无处不在，而且极为重要。它们不仅记录了历史，更为国家政策的制定、企业战略的调整提供了关键依据。折线图是用直线段将各数据点连接起来而组成的图形，以折线方式显示数据的变化趋势。在折线图中，沿水平轴均匀分布的是时间，沿垂直轴均匀分布的是数值。堆叠柱形图是普通柱形图的变体，堆叠柱形图会在一个柱形上叠加一个或多个其他柱形，一般它们具有不同的颜色。若数据存在子分类，并且这些子分类相加有意义的话，则可以使用堆叠柱形图来表示。点线图是柱形图的一种变形，但更令人聚焦到端点。脊线图可能难以在单一视图中处理大量的组别，且对于展示具体的数据点或细节较为有限。第五章DBBCA对对错错对填空题散点范围频数/频率histplot密度问答题收集数据后，确定数据范围，选择适当的组数和组距，将数据分组并计数，然后在坐标轴上绘制柱状图，每个柱子的高度代表该组数据的频数，最后根据需要添加标题和标签。散点图适用于展示两个连续变量之间的相关性或趋势。通过观察数据点的分布情况，可以判断两个变量之间是否存在某种关联或趋势。例如，可以使用散点图来探索销售额与广告投入之间的关系，或者身高与体重之间的关系等。数据点：散点图的核心组成部分，每个点代表一组数据，其位置由两个变量的数值决定。横轴（X轴）：表示其中一个变量的值，通常用于表示自变量或解释变量。纵轴（Y轴）：表示另一个变量的值，通常用于表示因变量或响应变量。坐标轴标签：对横轴和纵轴上的变量进行解释说明，以便读者理解图表的意义。标题：简要描述散点图的主题或目的，帮助读者快速了解图表的内容。图例（如有多个数据系列）：当图表中包含多个数据系列时，使用图例来区分不同的数据系列。密度图是一种通过平滑概率密度曲线来显示数据分布情况的图表类型。密度图特别适用于展示数据量较大的数据集分布情况，因为它可以提供比直方图更平滑的视觉呈现。第六章CDCDB对对对对错填空题大小比例饼图堆叠柱状图矩形树图圆环问答题数值轴一般表示比例，堆叠柱状图在进行不同比例之间的变化的比较时以及时间序列比较时是具有优势的。不同于饼图采用的角度，环形图是通过各个弧形的长度衡量比例大小。当类目数据较多且有多个层次的时候，饼图的展示效果往往会打折扣,不妨试一试矩形树图，能更清晰、层次化的展示数据的占比关系。电子商务、产品销售等涉及大量品类的分析，都可以用矩形树图。旭日图的中心是数据结构的根节点，每一层的圆环代表了数据结构中的一个层级，向外层扩展显示更深层次的数据。在和弦图中，数据通常以一个圆环来表示，节点围绕着圆周分布，点与点之间以弧线彼此连接以显示当中关系，通过每个圆弧的大小比例给每个连接分配数值。此外，还可以通过颜色将数据分类，直观地进行比较和区分。这些数据段之间的关系通过圆环内部的弦（线条）来表示，弦的大小通常表示关系的强度或数据的量。第七章ABBCD错对错对对填空题颜色扩展收缩保持不变前面词语树短语网络问答题标签云，又称词云或者文字云，是关键词的视觉化描述，用于汇总用户生成的标签或一个网站的文字内容。标签一般是独立的词汇，常常按字母顺序排列，其重要程度又能通过改变字体大小或颜色来表现，所以标签云可以灵活地依照字序或热门程度来检索一个标签。标签云通过不同大小的字体来表示单词的重要性或频率。这种类型的可视化非常适合展示文本数据的关键词，帮助观众快速把握文本的主要主题和趋势。首先统计文本中词语出现频率、TF-IDF等指标来衡量词语的重要程度，提取出权重较高关键词。然后按照一定规律将这些词展示出来，可以用颜色透明度的高低、字体的大小来区分关键词的重要程度，要遵循权重越高越能吸引注意力的原则。一般权重越大字体越大，颜色越鲜艳，透明度越低。主题河流横轴表示时间，河流中的不同颜色的涌流表示不同的主题，涌流的流动表示主题的变化。在任意时间点上，涌流的垂直宽度表示主题的强弱。颜色用以区分主题的类型，相同主题用相同颜色的涌流表示。主题过多时颜色可能无法满足需求，因为容易区分的颜色种类并不是很多。一个解决方法是将主题也进行分类，一种颜色表示某一大类主题。短语网络可以用来分析和可视化文本数据中短语的共现关系、相互作用或者语义连接，提供对文本结构和主题的深入理解。第八章BDCCA错错错对错填空题两个N^2坐标轴的排列顺序线性或非线性变换属性问答题高维多元数据指每个数据对象有两个或两个以上独立或者相关属性的数据。高维（Mul