散點(diǎn)圖大家都能繪制，平常工作匯報(bào)有時(shí)也會(huì)用散點(diǎn)圖讓報(bào)表看起來(lái)更美觀。但是，散點(diǎn)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(dòng)業(yè)務(wù)的增長(zhǎng)。小編今天跟大家分享的這篇文章就是教大家如何用散點(diǎn)圖進(jìn)行數(shù)據(jù)分析的，希望對(duì)大家有所幫助。

文章來(lái)源：林驥微信公眾號(hào)

作者：林驥

01

你好，我是林驥。

散點(diǎn)圖的用途有很多，我認(rèn)為它的核心價(jià)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(diǎn)圖就像一扇窗，打開(kāi)它，并仔細(xì)觀察，能讓我們看見(jiàn)更多有價(jià)值的信息。

比如說(shuō)，假設(shè)表格中有 10000 個(gè)客戶(hù)年齡和消費(fèi)金額的數(shù)據(jù)：

我們可以計(jì)算每一個(gè)年齡對(duì)應(yīng)的人均消費(fèi)金額，比如說(shuō)，所有 20 歲客戶(hù)的平均消費(fèi)金額約為 1383.69 元，然后我們可以畫(huà)出一張散點(diǎn)圖：

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

02

接下來(lái)，我們看看具體實(shí)現(xiàn)的步驟。

首先，導(dǎo)入所需的庫(kù)，并設(shè)置中文字體和定義顏色等。

# 導(dǎo)入所需的庫(kù)
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(biāo)簽
mpl.rcParams['font.sans-serif'] = ['SimHei']

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

# 正常顯示負(fù)號(hào)
mpl.rcParams['axes.unicode_minus'] = False

# 禁用科學(xué)計(jì)數(shù)法
pd.set_option('display.float_format', lambda x: '%.2f' % x) 

# 定義顏色，主色：藍(lán)色，輔助色：灰色，互補(bǔ)色：橙色
c = {'藍(lán)色':'#00589F', '深藍(lán)色':'#003867', '淺藍(lán)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(xiàn)和評(píng)分結(jié)果。

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

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

# 定義畫(huà)圖用的數(shù)據(jù)：年齡和人均消費(fèi)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(xiàn)性回歸擴(kuò)展為多項(xiàng)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(píng)分
score = poly_reg.score(x, y)

接下來(lái)，開(kāi)始用「面向?qū)ο蟆沟姆椒ㄟM(jìn)行畫(huà)圖。

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

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

# 畫(huà)氣泡圖
ax.scatter(x, y, color=c['藍(lán)色'], marker='.', s=100, zorder=1)

# # 繪制預(yù)測(cè)線(xiàn)
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(xiàn)
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(biāo)標(biāo)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(fèi)\n金\n額', va='top', fontsize=16, color=c['深灰色'])

# 設(shè)置坐標(biāo)軸的標(biāo)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(cè) 55 歲的人均消費(fèi)金額
predict = poly_reg.predict([[55]])

# 標(biāo)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(dāng)業(yè)務(wù)指標(biāo)很多的時(shí)候，應(yīng)該挑選什么指標(biāo)來(lái)進(jìn)行分析，這件事很考驗(yàn)分析者的功力，往往需要對(duì)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(méi)有做出讓領(lǐng)導(dǎo)滿(mǎn)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(guò)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(wèn)題簡(jiǎn)單化，幫我們更精準(zhǔn)地理解業(yè)務(wù)的現(xiàn)狀，甚至預(yù)測(cè)未來(lái)。

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

很多時(shí)候，我們面對(duì)的問(wèn)題，并不是沒(méi)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(guò)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(guò)程，那么可以分為以下 4 個(gè)階段：

（1）描述：檢查身體，描述指標(biāo)值是否正常。

（2）診斷：詢(xún)問(wèn)病情，找到疾病的產(chǎn)生原因。

（3）預(yù)測(cè)：分析病情，預(yù)測(cè)病情的發(fā)展趨勢(shì)。

（4）指導(dǎo)：開(kāi)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(jià)值，從數(shù)據(jù)的加工者，轉(zhuǎn)變成故事的講述者，甚至是問(wèn)題的解決者。