Python凭借其强大的可视化库（如Matplotlib、Seaborn）成为进行EDA的首选工具。本文基于一份实用的"Python数据可视化速查表"，系统介绍从单变量到多变量、从时间序列到文本数据的可视化方法，并提供代码示例与扩展解读，助你高效完成数据探索。
1. 单变量分析：了解单个变量分布
单变量分析旨在理解数据集中单个变量的分布特征，适用于数值型和分类型数据。
常用图表与代码示例
python
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# 示例数据框
df = pd.DataFrame({'col': [1, 2, 2, 3, 3, 3, 4, 4, 5]})
# 1. 直方图：查看数值分布
df.hist()
plt.title("数值分布直方图")
plt.show()
# 2. 箱线图：查看分布与离群点（原文borglot应为boxplot）
sns.boxplot(data=df, y='col') # 展示数值列col的分布
plt.title("箱线图展示分布与异常值")
plt.show()
# 3. 核密度估计图：平滑的概率密度曲线
sns.kdeplot(data=df['col'])
plt.title("核密度估计图")
plt.show()
# 4. 条形图：适用于分类数据频次统计
df['col'].value_counts().plot(kind='bar')
plt.title("分类频次条形图")
plt.xlabel("类别")
plt.ylabel("频次")
plt.show()适用场景：
- 直方图：了解数值分布是否正态、偏斜
- 箱线图：快速发现异常值
- 核密度图：平滑展示分布趋势
- 条形图：展示类别频次
2. 双变量分析：探索两个变量间关系
双变量分析用于探索两个变量之间的关联，包括数值-数值、数值-类别等组合。
python
# 示例数据
df = pd.DataFrame({
'x': [1, 2, 3, 4, 5],
'y': [2, 4, 6, 8, 10],
'category': ['A', 'B', 'A', 'B', 'A']
})
# 1. 散点图：两个数值变量关系
sns.scatterplot(data=df, x='x', y='y')
plt.title("散点图：x与y的关系")
plt.show()
# 2. 带回归线的散点图
sns.regplot(data=df, x='x', y='y')
plt.title("带线性回归的散点图")
plt.show()
# 3. 条形图：类别与数值的对比
sns.barplot(x='category', y='y', data=df)
plt.title("不同类别的y值对比")
plt.show()
# 4. 小提琴图：类别下的分布与密度
sns.violinplot(data=df, x='category', y='y')
plt.title("小提琴图：类别y的分布")
plt.show()
# 5. 箱线图（原文borglet应为boxplot）：比较类别间分布
sns.boxplot(x='category', y='y', data=df)
plt.title("箱线图：类别间分布比较")
plt.show()3. 多变量分析：三维及以上关系探索
当我们需要同时考察三个或更多变量时，多变量可视化工具显得尤为重要。
python
# 示例数据
df = pd.DataFrame({
'x': [1, 2, 3, 4, 5],
'y': [2, 4, 6, 8, 10],
'z': [5, 4, 3, 2, 1],
'type': ['T1', 'T2', 'T1', 'T2', 'T1']
})
# 1. 散点图矩阵：所有数值变量两两关系
sns.pairplot(df)
plt.suptitle("散点图矩阵", y=1.02)
plt.show()
# 2. 相关热图：变量间相关性强度
sns.heatmap(df.corr(), annot=True, cmap='coolwarm')
plt.title("变量相关性热图")
plt.show()
# 3. 联合分布图：散点图+边缘分布
sns.jointplot(data=df, x='x', y='y')
plt.show()
# 4. 三变量散点图（颜色表示第三维）
plt.scatter(df['x'], df['y'], c=df['z'], cmap='viridis')
plt.colorbar(label='z值')
plt.title("三变量散点图（颜色表示z）")
plt.show()
# 5. 分类着色散点图
sns.scatterplot(data=df, x='x', y='y', hue='type')
plt.title("按类别着色的散点图")
plt.show()4. 时间序列分析：趋势、周期与异常
时间序列数据常见于金融、气象、日志等领域，可视化有助于识别趋势、季节性和异常。
python
# 示例时间序列数据
df = pd.DataFrame({
'date': pd.date_range('2023-01-01', periods=100, freq='D'),
'value': np.random.randn(100).cumsum() + 50
})
# 1. 简单时间序列图
df.plot(x='date', y='value')
plt.title("时间序列趋势图")
plt.xlabel("日期")
plt.ylabel("数值")
plt.show()
# 2. 移动平均图（窗口为7天）
df.set_index('date')['value'].rolling(window=7).mean().plot()
plt.title("7天移动平均图")
plt.show()
# 3. 时间序列分解（需statsmodels库）
from statsmodels.tsa.seasonal import seasonal_decompose
result = seasonal_decompose(df.set_index('date')['value'], model='additive', period=30)
result.plot()
plt.suptitle("时间序列分解（趋势+季节+残差）", y=1.02)
plt.show()
# 4. 带置信区间的折线图
sns.lineplot(data=df, x='date', y='value')
plt.title("带置信区间的时间序列图")
plt.show()5. 文本数据分析：词频、主题与情感
文本数据可视化常用于自然语言处理（NLP），帮助理解词频分布、主题结构等。
python
from wordcloud import WordCloud
import nltk
from nltk.probability import FreqDist
# 示例文本
text = "data science machine learning python visualization analysis exploration"
# 1. 词云图
wordcloud = WordCloud(width=800, height=400).generate(text)
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.title("词云图")
plt.show()
# 2. 词频分布图
words = text.split()
fdist = FreqDist(words)
fdist.plot(30, cumulative=False) # 显示前30个词
plt.title("词频分布图")
plt.show()
# 3. 词频条形图
sns.barplot(x=list(fdist.keys())[:10], y=list(fdist.values())[:10])
plt.title("前10高频词条形图")
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()6. 图表自定义：美化与标注
好的可视化不仅需要正确表达信息，还需要良好的可读性与美观性。
python
# 示例图表自定义
plt.figure(figsize=(10, 6)) # 设置图像尺寸
sns.scatterplot(data=df, x='x', y='y')
plt.title("这是一个带自定义样式的散点图", fontsize=16)
plt.xlabel("X轴标签", fontsize=12)
plt.ylabel("Y轴标签", fontsize=12)
plt.xticks(rotation=45) # X轴标签旋转45度
plt.grid(True, linestyle='--', alpha=0.5)
plt.tight_layout() # 自动调整子图间距
plt.show()7. 图表保存与展示
python
# 保存图表到文件
plt.savefig("scatter_plot.png", dpi=300, bbox_inches='tight')
print("图表已保存为 scatter_plot.png")
# 展示图表
plt.show()
# 关闭当前图像释放内存
plt.close()探索性数据分析流程示意图
以下Mermaid流程图展示了典型的EDA可视化流程：
是
否
加载数据集
单变量分析
数据分布是否正常?
双变量分析
数据清洗/变换
多变量分析
时间序列/文本分析
图表美化与输出
洞察总结与报告
单词与短语表（中英对照）
| 单词/短语 | 音标 | 词性 | 词根/词缀 | 释义 | 搭配 | 例句 |
|---|---|---|---|---|---|---|
| histogram | /ˈhɪstəɡræm/ | n. | histo-（组织）+ -gram（图） | 直方图 | draw a histogram | We use a histogram to show the distribution of ages. |
| kdeplot | /keɪ-diː-plɒt/ | n. | KDE（核密度估计）+ plot（图） | 核密度估计图 | create a kdeplot | The kdeplot provides a smooth estimate of the probability density. |
| scatterplot | /ˈskætəplɒt/ | n. | scatter（分散）+ plot（图） | 散点图 | plot a scatterplot | A scatterplot reveals the relationship between two variables. |
| pairplot | /ˈpeəplɒt/ | n. | pair（配对）+ plot（图） | 散点图矩阵 | generate a pairplot | Seaborn's pairplot is great for exploring correlations. |
| heatmap | /ˈhiːtmæp/ | n. | heat（热）+ map（图） | 热图 | visualize with a heatmap | The correlation heatmap uses color intensity to show strength. |
| boxplot | /ˈbɒksplɒt/ | n. | box（箱）+ plot（图） | 箱线图 | interpret a boxplot | A boxplot displays the median, quartiles, and outliers. |
| violinplot | /vaɪəˈlɪnplɒt/ | n. | violin（小提琴）+ plot（图） | 小提琴图 | use a violinplot | The violinplot combines a boxplot with a kernel density plot. |
| time series | /ˈtaɪm ˈsɪəriːz/ | n. | time（时间）+ series（序列） | 时间序列 | analyze time series | Time series analysis helps identify trends over time. |
| word cloud | /wɜːd klaʊd/ | n. | word（词）+ cloud（云） | 词云 | generate a word cloud | The word cloud highlights frequent terms in the text. |
通过本指南，你可以系统掌握Python在探索性数据分析中的可视化工具与技巧。无论是单变量分布探查，还是多变量关系挖掘，或是时间序列与文本数据的可视化，合理运用这些图表工具将极大提升你的数据分析效率与洞察力。建议结合实际项目多加练习，形成自己的可视化工作流。