数据可视化进阶：Seaborn 柱状图、散点图与相关性分析

各位伙计，我是老路。

今天是咱们 100 天 AI 炼金术的第 17 天。昨天咱们用 Matplotlib 画出了业务的"生命线"（折线图），那是为了看趋势。但作为一个架构师，你肯定不满足于此。你不仅想知道数据"变没变"，你更想知道数据之间**"为什么变"以及"谁在影响谁"**。

这就是咱们今天要聊的主角：Seaborn。

如果说 Matplotlib 是素描，那 Seaborn 就是油画。它基于 Matplotlib，但封装了更高层的统计逻辑。在架构师的视角里，Seaborn 是数据分布的"透视镜"，它能让我们一眼看穿电科金仓 KingbaseES (KES) 中海量特征之间的相关性。

壹：从"看数据"到"看关系"

在电科金仓 KES 这种工业级数据库里，我们存了成百上千个维度。

柱状图（Bar Plot）：不是简单的统计，而是对比。比如：不同业务模块在 KES 里的存储占比。
散点图（Scatter Plot）：看的是分布和离群点。比如：用户活跃度与订单金额是否存在线性关系？
热力图（Heatmap）：这是架构师的最爱，它是特征工程的"终判官"，直接告诉我们哪些特征是冗余的。

贰：实战：Conda 环境下的视觉升级

咱们还是在 KES_AI_Lab 环境里。Seaborn 的安装非常简单，但它对数据结构的整洁度有要求，这就是为什么我们之前花了那么多天练 Pandas 的原因。

驱动还没搞定的兄弟，赶紧去电科金仓驱动下载页面拿 ksycopg2。

叁：核心代码：深度拆解 KES 特征相关性

咱们模拟一个高阶场景：从电科金仓 KES 提取多维业务指标，利用 Seaborn 一次性完成分布分析与相关性热力图绘制。

python 复制代码

# -*- coding: utf-8 -*-
import ksycopg2
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 样式设置，让图表有"架构师"的严谨美感
sns.set_theme(style="whitegrid", font='SimHei') 
plt.rcParams['axes.unicode_minus'] = False

def advanced_vis_lab():
    print("--- [电科金仓] 统计可视化与相关性实战 ---")
    
    conn_params = "dbname=test user=username password=123456 host=127.0.0.1 port=54321"
    
    try:
        conn = ksycopg2.connect(conn_params)
        # 1. 从 KES 提取多维特征 (模拟 num 为数值, bcb/vcb 为分类)
        query = "SELECT num, bcb, vcb FROM test_newtype"
        df = pd.read_sql(query, conn)
        
        # 2. 特征衍生：为了做相关性分析，咱们多造几个维度
        import numpy as np
        df['score_a'] = df['num'] * np.random.normal(1, 0.1, len(df))
        df['score_b'] = df['num'] * 0.5 + np.random.randint(1, 50, len(df))
        df['category'] = df['vcb'].apply(lambda x: '核心业务' if '中文' in str(x) else '常规业务')

        # 3. 创建画布：子图布局 (一行两列)
        fig, axes = plt.subplots(1, 2, figsize=(15, 6))

        # --- 图 A：分类柱状图 (看不同业务类型的数值分布) ---
        sns.barplot(x='category', y='num', data=df, ax=axes[0], palette='viridis')
        axes[0].set_title('不同业务类型下 KES 核心指标分布')

        # --- 图 B：相关性热力图 (AI 特征筛选的关键) ---
        # 只取数值列进行相关性计算
        corr_matrix = df[['num', 'score_a', 'score_b']].corr()
        sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', fmt=".2f", ax=axes[1])
        axes[1].set_title('业务指标相关性热力矩阵')

        plt.tight_layout()
        plt.show()

        # 4. 额外赠送：散点图看线性关系
        plt.figure(figsize=(8, 6))
        sns.regplot(x='num', y='score_b', data=df, scatter_kws={'alpha':0.5}, line_kws={'color':'red'})
        plt.title('KES 原始指标与衍生指标的相关性拟合')
        plt.show()

        conn.close()
        
    except Exception as e:
        print(f"数据分析链路异常: {e}")

if __name__ == "__main__":
    advanced_vis_lab()

肆：架构师的碎碎念：技术与人文的"留白"

在写这一章时，我一直在想，为什么我们不仅需要数据库，还需要可视化？

电科金仓 KES 给了我们真相，但真相往往是碎片化的。相关性分析，其实就是寻找万物之间隐秘联系的艺术。

当你看到热力图上那一个个深红色的方块时，你其实是在观察业务的"共振"。一个好的架构师，能从这些颜色中读出冗余（多重共线性）和机会（强相关特征）。这种通过视觉直觉快速锁定核心逻辑的能力，就是技术与人文同源共生的最好证明------大道至简，图胜千言。

结语

今天咱们用 Seaborn 给数据做了个"深度体检"。数据看透了，关系理顺了，咱们的基础筑基阶段也就接近尾声了。

明天第 18 天，我们要聊聊：AI数学基础补漏：线性代数核心概念（向量）通俗解读。

咱们第 18 天见。

既然已经掌握了相关性分析，需要我帮你写一个"特征自动筛选"脚本吗？它可以自动跑完 KES 的所有列，并剔除掉相关性过高、冗余严重的无效特征。