散點圖大家都能繪制，平常工作匯報有時也會用散點圖讓報表看起來更美觀。但是，散點圖并不是為了展示數(shù)據(jù)，而是需要數(shù)據(jù)分析，并利用數(shù)據(jù)分析的結(jié)果推動業(yè)務(wù)的增長。小編今天跟大家分享的這篇文章就是教大家如何用散點圖進行數(shù)據(jù)分析的，希望對大家有所幫助。

文章來源：林驥微信公眾號

作者：林驥

01

你好，我是林驥。

散點圖的用途有很多，我認為它的核心價值，在于應(yīng)用相關(guān)思維，發(fā)現(xiàn)變量之間的關(guān)系。

散點圖就像一扇窗，打開它，并仔細觀察，能讓我們看見更多有價值的信息。

比如說，假設(shè)表格中有 10000 個客戶年齡和消費金額的數(shù)據(jù)：

我們可以計算每一個年齡對應(yīng)的人均消費金額，比如說，所有 20 歲客戶的平均消費金額約為 1383.69 元，然后我們可以畫出一張散點圖：

從圖中可以看出，客戶的年齡與人均消費金額有很強的相關(guān)性，其中應(yīng)用了線性回歸算法，得到一條擬合的直線，并用公式表示出來，  接近于 1 ，代表算法擬合的效果很好。

02

接下來，我們看看具體實現(xiàn)的步驟。

首先，導(dǎo)入所需的庫，并設(shè)置中文字體和定義顏色等。

# 導(dǎo)入所需的庫
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
from sklearn.pipeline import Pipeline

# 正常顯示中文標簽
mpl.rcParams['font.sans-serif'] = ['SimHei']

# 自動適應(yīng)布局
mpl.rcParams.update({'figure.autolayout': True})

# 正常顯示負號
mpl.rcParams['axes.unicode_minus'] = False

# 禁用科學計數(shù)法
pd.set_option('display.float_format', lambda x: '%.2f' % x) 

# 定義顏色，主色：藍色，輔助色：灰色，互補色：橙色
c = {'藍色':'#00589F', '深藍色':'#003867', '淺藍色':'#5D9BCF',
     '灰色':'#999999', '深灰色':'#666666', '淺灰色':'#CCCCCC',
     '橙色':'#F68F00', '深橙色':'#A05D00', '淺橙色':'#FBC171'}

其次，從 Excel 文件中讀取數(shù)據(jù)，并調(diào)用 sklearn 中的算法，得到擬合的直線和評分結(jié)果。

# 數(shù)據(jù)源路徑
filepath='./data/客戶年齡和消費金額.xlsx'

# 讀取 Excel文件
df = pd.read_excel(filepath, index_col='客戶編號')

# 定義畫圖用的數(shù)據(jù)：年齡和人均消費金額
df_group = df.groupby('年齡').mean()
x = np.array(df_group.index).reshape(-1, 1)
y = np.array(df_group.values)

# 用管道的方式調(diào)用算法，以便把線性回歸擴展為多項式回歸
poly_reg = Pipeline([
    ('ploy', PolynomialFeatures(degree=1)),
    ('lin_reg', LinearRegression())
])

# 擬合
poly_reg.fit(x, y)

# 斜率
coef = poly_reg.steps[1][1].coef_
# 截距
intercept = poly_reg.steps[1][1].intercept_
# 評分
score = poly_reg.score(x, y)

接下來，開始用「面向?qū)ο蟆沟姆椒ㄟM行畫圖。

# 使用「面向?qū)ο蟆沟姆椒ó媹D，定義圖片的大小
fig, ax = plt.subplots(figsize=(8, 6))

# 設(shè)置標題
ax.set_title('\n客戶每年長一歲，人均消費金額增加' + '%.2f' % coef[0][1] + '元\n', loc='left', size=26, color=c['深灰色'])

# 畫氣泡圖
ax.scatter(x, y, color=c['藍色'], marker='.', s=100, zorder=1)

# # 繪制預(yù)測線
y2 = poly_reg.predict(x)
ax.plot(x, y2, '-', c=c['橙色'], zorder=2)

# 隱藏邊框
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['bottom'].set_visible(False)
ax.spines['left'].set_visible(False)

# 隱藏刻度線
ax.tick_params(axis='x', which='major', length=0)
ax.tick_params(axis='y', which='major', length=0)

ax.set_ylim(15, 65)
ax.set_ylim(1000, 5000)

# 設(shè)置坐標標簽字體大小和顏色
ax.tick_params(labelsize=16, colors=c['深灰色'])
ax.text(ax.get_xlim()[0]-6, ax.get_ylim()[1], '人\n均\n消\n費\n金\n額', va='top', fontsize=16, color=c['深灰色'])

# 設(shè)置坐標軸的標題
ax.text(ax.get_xlim()[0]+1, ax.get_ylim()[0]-300, '年齡', ha='left', va='top', fontsize=16, color=c['深灰色'])

# 預(yù)測 55 歲的人均消費金額
predict = poly_reg.predict([[55]])

# 標注公式
formula = r'$\mathcal{Y} = ' + '%.2f' % coef[0][1] + '\mathcal{X}' + '%+.2f$' % intercept[0] + '\n' + r'$\mathcal{R}^2 = ' + '%.5f$' % score
ax.annotate(formula, xy=(55, predict), xytext=(55, predict+500), ha='center', fontsize=12, color=c['深灰色'], arrowprops=dict(arrowstyle='->', color=c['橙色']))

plt.show()

你可以前往 https://github.com/linjiwx/mp 下載數(shù)據(jù)文件和完整代碼。

03

當業(yè)務(wù)指標很多的時候，應(yīng)該挑選什么指標來進行分析，這件事很考驗分析者的功力，往往需要對業(yè)務(wù)有比較深刻的理解。

為什么很多人精通各種工具技術(shù)，手上也有很多各種各樣的數(shù)據(jù)，卻沒有做出讓領(lǐng)導(dǎo)滿意的圖表？

好的圖表，就像是給近視的人戴了一副眼鏡，讓讀者以更清楚的方式去理解數(shù)據(jù)。

好的圖表，就像是神奇的催化劑，加快了從數(shù)據(jù)到?jīng)Q策的過程，讓決策者更加快速地掌握有助于做出決策的信息。

好的圖表，能把復(fù)雜的問題簡單化，幫我們更精準地理解業(yè)務(wù)的現(xiàn)狀，甚至預(yù)測未來。

我們應(yīng)該記住，無論多么漂亮的圖表，如果不能從中獲取有價值的信息，那么也是一張沒有「靈魂」的圖表。

很多時候，我們面對的問題，并不是沒有數(shù)據(jù)，而是數(shù)據(jù)太多，卻不知道怎么用。

熟悉數(shù)據(jù)分析的思維，能幫我們找到更重要的數(shù)據(jù)，排除過多雜亂數(shù)據(jù)的干擾。

如果把數(shù)據(jù)分析比作醫(yī)生看病的過程，那么可以分為以下 4 個階段：

（1）描述：檢查身體，描述指標值是否正常。

（2）診斷：詢問病情，找到疾病的產(chǎn)生原因。

（3）預(yù)測：分析病情，預(yù)測病情的發(fā)展趨勢。

（4）指導(dǎo)：開出藥方，提出有效的治療建議。

我們要盡可能地理解業(yè)務(wù)并提供價值，從數(shù)據(jù)的加工者，轉(zhuǎn)變成故事的講述者，甚至是問題的解決者。