csv可视化
- 一、实验内容
- 二、实验总结
一、实验内容
1、datal.csv中的B、C、D和E列数据分别是日期、权重、A企业的销售额、B企业的销售额。读取C、D、E列数据，并统计E列数据的算术平均数、加权平均值(权值为C列数据)、方差、中位数、最小值、最大值。并绘制E列数据的直方图。
（1）源代码：
（2）运行结果截图 ：
2、读取datal.csv文件中的A企业销售额与B企业销售额数据，并计算这些企业数据的协方差矩阵和相关系数矩阵。
（1）源代码：
（2）运行结果：
3、读取datal.csv文件中A、B、C、D、E，绘制由A列和D列数据关联，以及由A列和E列数据（请将该列值除以120后绘图）关联的两条折线图，并分别赋以不同的颜色和线型，添加图例。
（1）源代码：
（2）运行结果截图 ：
4、针对datal.csv中A企业的销售额，使用简单移动平均方法估计各月的销售额。移动平均间隔为3，即用1、2、3三周的数据预测第4周的数据。
（1）源代码：
（2）运行结果截图 ：
5、使用指数移动平均方法估计上题的A企业的销售额。移动平均间隔为3。并请添加图、坐标轴标题和图例。
（1）源代码：
（2）运行结果截图 ：
二、实验总结
-
我们要的不是数据，而是数据告诉我们的事实。大多数人面临这样一个挑战：我们认识到数据可视化的必要性，但缺乏数据可视化方面的专业技能。部分原因可以归结于，数据可视化只是数据分析过程中的一个环节，数据分析师可能将精力花在获取数据、清洗整理数据、分析数据、建立模型，但在最终的展示沟通上力不从心。
-
可视化工具包括但不限于，Tableau，Excel，PowerBI，Python，R
可视化之前：探索性分析与解释性分析
二者之间有很重要的区别：探索性分析指理解数据并找出值得分析或分享给他人的精华。这就好比，在牡蛎中寻找珍珠，可能打开一百个牡蛎(尝试很多种方法)才最终找到两颗珍珠。而解释性分析，我们迫切希望能够言之有物，讲好某个故事–专注于两颗珍珠。 -
可视化过程：一个完整的数据可视化过程，主要包括以下4个步骤：
确定数据可视化的主题、提炼可视化主题的数据、根据数据关系确定图表、进行可视化布局及设计
可视化元素由3部分组成： 可视化空间+标记+视觉通道
可视化空间： 数据可视化的显示空间，通常是二维。三维物体的可视化，通过图形绘制技术，解决了在二维平面显示的问题，如3D环形图、3D地图等。 -
标记： 标记，是数据属性到可视化几何图形元素的映射，用来代表数据属性的归类。根据空间自由度的差别，标记可以分为点、线、面、体，分别具有零自由度、一维、二维、三维自由度。如我们常见的散点图、折线图、矩形树图、三维柱状图，分别采用了点、线、面、体这四种不同类型的标记。
-
视觉通道： 数据属性的值到标记的视觉呈现参数的映射，叫做视觉通道，通常用于展示数据属性的定量信息。常用的视觉通道包括：标记的位置、大小(长度、面积、体积。。。)、形状(三角形、圆、立方体。。。)、方向、颜色
确定图表： 数据之间的相互关系，决定了可采用的图表类型。
