Python数据可视化分析与案例实战 第9章 多元数据的可视化.pptVIP

* Python数据可视化分析与案例实战 * Python数据可视化分析与案例实战 第9章 多元数据的可视化 目录 1 散点图矩阵法 多元数据概述 2 雷达图法 3 平行坐标系法 4 变量降维法 5 高维多元数据，指每个数据对象具有两个或两个以上独立或相关属性的数据。高维多元数据在人类社会生活中普遍存在，且数量和规模随着信息化进程加深而不断增长。 如果根据数据类型或分析处理需求的不同，高维多元数据涉及文本数据、层次结构数据、网络结构数据、空间数据、时序数据等诸多子领域，而每个领域又有其独特的分析方法。 9.1.1 多元数据简介 对于二维和三维数据可以采用常规的可视化方法，即将各属性的值映射到不同的坐标轴。当维度超过三维后，可以增加视觉编码来表示，例如颜色、大小、形状等，但是对于更高维多元数据的可视化，这种方法还是有局限的。 9.1.2 多元数据的可视化 目录 1 散点图矩阵法 多元数据概述 2 雷达图法 3 平行坐标系法 4 变量降维法 5 散点图矩阵是散点图的高维扩展，它从一定程度上克服了在平面上展示高维多元数据的困难，在展示多维数据的两两关系时有着不可替代的作用。 当需要了解多个变量的相关关系时，就可以使用散点图矩阵。例如，研究企业销售额（sales）、利润额（profit）、购买量（amount）和折扣（discount）之间的相关性大小。 9.2.1 散点图矩阵