在一个杂碎的小片段中，参悟可视化

从事数据分析这份职业的每个人都会有一场博弈：数据重要还是分析重要。

有的人觉得数据重要，没有合适的数据，拿什么去分析？数据获取、数据清洗、数据读写等各个环节也都是技术和经验的积淀；有的人觉得分析重要，数据的各式处理，换个人能做到，在可预见的将来，机器也能做到，而分析，特别是有经验的分析，不是那么可替代的。

我不评论哪方重要。但有一点你得明白，不论是数据的处理还是分析，一个优秀的数据分析师，是要在这些个操作过程中注入自己的思维、经验、智谋的。

如果你拿到一堆数据，依葫芦画瓢的预处理、可视化，而非根据实际的情况选用合适的数据分析模型和方法，那么，你始终都get不到这份职业的快感与激爽！

今天的文章，我就之前做数据可视化展示的一个小片段，做做总结。

我的第一篇数据分析类文章，是一份成都地区测试和数据分析岗的对比报告，意图窥探在成都做数据分析的大环境：

做数据分析前，先来场职业大PK

由于之前没有实操，没有经验，我在其中一个对比项“工作经验和薪资水平”卡壳许久：

遇到的问题一：可视化工具的选择

我觉得一个二维的对比，不会太复杂，直接祭出Tableau来制图。

可能当时状态不佳，而且用的还是老版本(mac系统，免费的只找到了8.2版），却非要死磕，不仅无果，还花了大把时间。

然后转战python，用matplotlib包，用seaborn包，用pyecharts，最后用到pyecharts的箱型图和seaborn的散点图，才达到我的预期。

遇到的问题二：未事先规划

虽然我想要一个薪资随经验增长的规律图，但并未深入思考图形可视化的可行性，一开始便选择方向，觉得折线图是最好的表达方式。

殊不知，工作经验、薪资、及对应的数量（eg:工作经验1-3年，薪水为15k的职位的数量），本就构成了三维数据，而采用二维的图形（折线图）是无法表达的。

于是，我踩了这些坑。

— 踩坑 1 — 

我以工作年限为横坐标，数量为纵坐标，结果出来的图是这样的。

WTF?

这么多条线是什么，这个图表能表达什么？（线条是不同的工资梯度，eg：10k/15k等）

卒。

— 踩坑 2 — 

x轴换成工资梯度如何？

图森破。

更加魔幻了。

卒。

— 踩坑 3 — 

听说散点图是个不错的选择。于是我用了pyecharts。

OMG。

这是贪吃蛇吗？

读完了pyecharts的接口文档，也没找到可以优化为我想要的样式的方法。

卒。

— 踩坑 4 — 

最后箱型图拯救了我。

But，数据怎么少了一块，工作经验为5-10年的，明明有数据！

我记得当时，走到此处，已过凌晨，本着不肯认输的精神，我原地死磕了1个多小时，依然无果，抱憾而眠。

结果...

第二天起来，10分钟就解决了问题。

原来：

1、pyecharts的箱型图，在0值（1年以下工作经验的数据为0）存在的情况下，后面的数据会向前填充，导致图形紊乱。

2、箱型图本身，每一个x轴，最少需要必须要3个数据

所以，我在代码里进行了如下处理：

# 箱形图实测有两处坑：
# 1、如果某值的df为空，需要特殊处理，填充pd.series，否则图形混乱
# 2、必须保证箱形图的单个y坐标，最低有3个数值[0,0,0]，如果有少于3个，则会被覆盖，图形混乱
Years = ['应届毕业生','不限','1年以下','1-3年','3-5年','5-10年']y_test = []
y_analy = []
for j in Years:
    analy_data = analy_datas.loc[analy_datas['workYear']==j]
    test_data = test_datas.loc[test_datas['workYear']==j]
    if analy_data.empty == 1 :
        y_analy.append(pd.Series([0,0,0]))
        y_test.append(test_data['average'])
    elif test_datas.empty == 1 :
        y_test.append(pd.Series([0,0,0]))
        y_analy.append(analy_data['average'])
    else:
        y_test.append(test_data['average'])
        y_analy.append(analy_data['average'])

图表也就完成了。

（具体分析不再赘述，详情可见文章做数据分析前，先来场职业大PK）

所以此坑让我知道，遇到问题不要死磕，学学一休：休息，休息一会儿。

— 踩坑 5 — 

其实最好的，还是散点图来表示。因为箱型图的阅读和分析需要统计学基础。

pyecharts的散点图无法满足需求，其他的包可以吗？

因此我用了seaborn。

图表的展示是比较明朗，但是因为seaborn包在mac系统中文显示乱码的问题不好处理，且x轴展示的顺序，我也无法尽情控制，所以使用效果打个折扣。

来了这么一遭，我深刻的认识到，在合适的时候选用合适的方法进行合适的可视化展示，是多么重要！这既是经验的积淀，也是努力的回报。

不过，我即将面对的，远没这样简单。

我突然想到，将箱型图和散点图展示给不懂图表的人，有区别吗？

没有，分析的最终结果，是要用局外人能听懂的语言进行表达。

可这又涉及到文笔、沟通、演讲上面的技巧了。

所以，你以为战胜了图表，就通向了罗马，然而事实却是，脱离于现实环境的分析，不过是一场场小打小闹。

300多年前，中年的笛卡尔阐述了“我思故我在”的哲学命题。当我怀疑，当我否定，当我思考的时候，证明我是存在的。

唯物or唯心？不重要。

重要的是保持怀疑，保持思考，保持该保持的一切，不就是做数据分析的一种态度吗？

转载请注明来源

封面 unsplash.com

看这里！看这里！