Python中怎样选择正确的可视化图表？

数据可视化的图表类型十分丰富，好的图表可以有效、清晰地呈现数据的信息。对于用户而言，选择正确的图表是十分关键的，不仅可以达到“一图胜千言”的效果，而且会直接影响分析的结果。

用户选择正确的数据可视化图表前，需要明确数据的逻辑关系。数据的逻辑关系可分为4种：比较、分布、构成和联系。其中，比较关系主要关注数据中各类别或时间变化的情况：分布关系主要关注不同数值范围内包含数据量的情况;构成关系主要关注各部分与整体占比的情况：联系关系主要关注两个及两个以上的变量之间关系的情况。

数据可视化专家基于以上4种关系对图表的选择思路进行了总结，引导用户逐步明确需求，从而帮助用户快速且正确地选择图表。下面分别介绍基于比较、分布、构成和联系关系的数据可选择的图表，具体内容如下。

1.基于比较关系可选择的图表

基于比较关系的数据可选择的图表如图所示。

由图1可知，若数据按照时间进行比较，当数据周期少时可以选择柱形图或折线图，当数据周期多时可以选择雷达图或折线图;若数据按分类进行比较，当每个项目中仅包含1个变量时可以选择表格、条形图或柱形图，当每个项目包含2个变量时可以选择不等宽柱形图。

2.基于分布关系可选择的图表

基于分布关系的数据可选择的图表如图2所示。由图可知，基于分布关系的数据包括单变量(例如文化程度)、2个变量(例如文化程度与收入期望)、3个变量(例如文化程度、收入期望与工作经验)。若数据为单变量，可以选择直方图或正态分布图：若数据为2个变量，可以选择散点图：若数据为3个变量，可以选择曲