我只是列出一小部分问题，你还可以提出别的问题。接下来，我们将以第一个问题为例，即各州之间的销售情况如何。

2. 了解数据

现在你已经清楚了目的或要回答问题，接下来，你需要了解你手上的数据。

你需要非常了解你的数据集。数据集可能有数百列，乍一看可能会一头雾水。但是沉下心来，熟悉这些变量，了解每个变量代表什么，以及变量在数据集中的重要性。

现在你已经有了明确的目的 （从第 1 步开始），并且已经了解了每个变量所代表的含义，接下来，你要过滤出可视化所需的列。

分析数据集还可以弄清楚你是否可以直接使用数据，还是需要作出适当修改。

实际操作：

在检查数据时，为了更好分析数据，你可能会问这些问题：

现在你已经有了明确的目的，也对数据有了清楚的了解，可以进入下一步了。

3. 定义你的目标受众

了解你的目标受众非常重要，因为这可以帮助你明确可视化内容。

例如，如果你的受众是数据科学家，你可能会使用 matplotlib 作为可视化工具。但是，假设你要展示给商业分析师或销售人员；使用 matplotlib 创建可视化就不太合适了。你可以用 像MS Excel 、 Tableau 、或 PowerBI 这些工具。

如果你正在向客户推销你的数据，你要希望你的数据尽可能地吸引他们。在这种情况下，你可能并不想使用 MS Excel，而是选择使用 Tableau 或 PowerBI。

了解目标受众不仅限制你使用什么工具，还包括你使用的标题、说明文字。

实际操作：

以下问题可以帮助你更好地了解目标受众：

在本文示例中，我们假设销售人员是我们的目标受众。我们可以选择创建 Tableau 仪表板，显示美国不同州之间的销售情况。

4. 开发可视化

前 3 个步骤可以帮助你清楚地了解要创建的可视化。接下来，我们要动手开发可视化了。

可视化类型

选择正确的可视化类型非常重要。如果选择失误，那么到目前为止你所做的所有努力都将以失败告终。

选择不同的可视化类型：

可视化的类型不限于以上五种。为了节省时间，我只提到了上述五种。选择了正确的图表类型后，也要注意颜色和比例选择。

实际操作：

在本示例中，我们可以创建一个类似于下图的条形图。

图片由作者提供

5. 测试和改进

在此阶段，你将测试可视化，并做出改进。我们在开发时很有可能因为自己的偏见做出假设。为了减少这种情况，你可以向同事寻找反馈和意见。

实际操作：

在本示例中，我们可以将在上述步骤中创建的条形图改进为地图。 （我在前面的步骤中特意创建了条形图，以显示可以通过反馈做出的改进）。

图片由作者提供

最后，让我们回顾一下。

简单的五步框架，帮助你节省创建可视化的时间。

数据可视化就是这么简单。只有你实际操作了，才能知道多么有效。祝你一切顺利！

非常感谢你读到这里。希望你喜欢我的文章，也希望本文对你有所帮助。

原文作者：Anushiya Thevapalan

翻译作者：Lia

美工编辑：过儿

校对审稿：Jiawei Tong

原文链接：https://towardsdatascience.com/a-simple-yet-effective-5-step-framework-to-master-data-visualization-a1825e050c7c

本周公开课预告

六招小技巧，教你斩获数据科学面试

5个鲜为人知的 Python 库！帮你的下一个NLP项目起航

人工智能AI将如何塑造元宇宙Metaverse？

在开始数据科学项目之前，你要问自己这几个基本问题

2022年数据科学还会继续火吗？Data Scientist 的求职展望

点「在看」的人都变好看了哦 返回搜狐，查看更多