散點圖大家都能繪制，平常工作匯報有時也會用散點圖讓報表看起來更美觀。但是，散點圖并不是為了展示數據，而是需要數據分析，并利用數據分析的結果推動業務的增長。小編今天跟大家分享的這篇文章就是教大家如何用散點圖進行數據分析的，希望對大家有所幫助。

文章來源：林驥微信公眾號

作者：林驥

01

你好，我是林驥。

散點圖的用途有很多，我認為它的核心價值，在于應用相關思維，發現變量之間的關系。

散點圖就像一扇窗，打開它，并仔細觀察，能讓我們看見更多有價值的信息。

比如說，假設表格中有 10000 個客戶年齡和消費金額的數據：

我們可以計算每一個年齡對應的人均消費金額，比如說，所有 20 歲客戶的平均消費金額約為 1383.69 元，然后我們可以畫出一張散點圖：

從圖中可以看出，客戶的年齡與人均消費金額有很強的相關性，其中應用了線性回歸算法，得到一條擬合的直線，并用公式表示出來，  接近于 1 ，代表算法擬合的效果很好。

02

接下來，我們看看具體實現的步驟。

首先，導入所需的庫，并設置中文字體和定義顏色等。

# 導入所需的庫
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
from sklearn.pipeline import Pipeline

# 正常顯示中文標簽
mpl.rcParams['font.sans-serif'] = ['SimHei']

# 自動適應布局
mpl.rcParams.update({'figure.autolayout': True})

# 正常顯示負號
mpl.rcParams['axes.unicode_minus'] = False

# 禁用科學計數法
pd.set_option('display.float_format', lambda x: '%.2f' % x) 

# 定義顏色，主色：藍色，輔助色：灰色，互補色：橙色
c = {'藍色':'#00589F', '深藍色':'#003867', '淺藍色':'#5D9BCF',
     '灰色':'#999999', '深灰色':'#666666', '淺灰色':'#CCCCCC',
     '橙色':'#F68F00', '深橙色':'#A05D00', '淺橙色':'#FBC171'}

其次，從 Excel 文件中讀取數據，并調用 sklearn 中的算法，得到擬合的直線和評分結果。

# 數據源路徑
filepath='./data/客戶年齡和消費金額.xlsx'

# 讀取 Excel文件
df = pd.read_excel(filepath, index_col='客戶編號')

# 定義畫圖用的數據：年齡和人均消費金額
df_group = df.groupby('年齡').mean()
x = np.array(df_group.index).reshape(-1, 1)
y = np.array(df_group.values)

# 用管道的方式調用算法，以便把線性回歸擴展為多項式回歸
poly_reg = Pipeline([
    ('ploy', PolynomialFeatures(degree=1)),
    ('lin_reg', LinearRegression())
])

# 擬合
poly_reg.fit(x, y)

# 斜率
coef = poly_reg.steps[1][1].coef_
# 截距
intercept = poly_reg.steps[1][1].intercept_
# 評分
score = poly_reg.score(x, y)

接下來，開始用「面向對象」的方法進行畫圖。

# 使用「面向對象」的方法畫圖，定義圖片的大小
fig, ax = plt.subplots(figsize=(8, 6))

# 設置標題
ax.set_title('\n客戶每年長一歲，人均消費金額增加' + '%.2f' % coef[0][1] + '元\n', loc='left', size=26, color=c['深灰色'])

# 畫氣泡圖
ax.scatter(x, y, color=c['藍色'], marker='.', s=100, zorder=1)

# # 繪制預測線
y2 = poly_reg.predict(x)
ax.plot(x, y2, '-', c=c['橙色'], zorder=2)

# 隱藏邊框
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['bottom'].set_visible(False)
ax.spines['left'].set_visible(False)

# 隱藏刻度線
ax.tick_params(axis='x', which='major', length=0)
ax.tick_params(axis='y', which='major', length=0)

ax.set_ylim(15, 65)
ax.set_ylim(1000, 5000)

# 設置坐標標簽字體大小和顏色
ax.tick_params(labelsize=16, colors=c['深灰色'])
ax.text(ax.get_xlim()[0]-6, ax.get_ylim()[1], '人\n均\n消\n費\n金\n額', va='top', fontsize=16, color=c['深灰色'])

# 設置坐標軸的標題
ax.text(ax.get_xlim()[0]+1, ax.get_ylim()[0]-300, '年齡', ha='left', va='top', fontsize=16, color=c['深灰色'])

# 預測 55 歲的人均消費金額
predict = poly_reg.predict([[55]])

# 標注公式
formula = r'$\mathcal{Y} = ' + '%.2f' % coef[0][1] + '\mathcal{X}' + '%+.2f$' % intercept[0] + '\n' + r'$\mathcal{R}^2 = ' + '%.5f$' % score
ax.annotate(formula, xy=(55, predict), xytext=(55, predict+500), ha='center', fontsize=12, color=c['深灰色'], arrowprops=dict(arrowstyle='->', color=c['橙色']))

plt.show()

你可以前往 https://github.com/linjiwx/mp 下載數據文件和完整代碼。

03

當業務指標很多的時候，應該挑選什么指標來進行分析，這件事很考驗分析者的功力，往往需要對業務有比較深刻的理解。

為什么很多人精通各種工具技術，手上也有很多各種各樣的數據，卻沒有做出讓領導滿意的圖表？

好的圖表，就像是給近視的人戴了一副眼鏡，讓讀者以更清楚的方式去理解數據。

好的圖表，就像是神奇的催化劑，加快了從數據到決策的過程，讓決策者更加快速地掌握有助于做出決策的信息。

好的圖表，能把復雜的問題簡單化，幫我們更精準地理解業務的現狀，甚至預測未來。

我們應該記住，無論多么漂亮的圖表，如果不能從中獲取有價值的信息，那么也是一張沒有「靈魂」的圖表。

很多時候，我們面對的問題，并不是沒有數據，而是數據太多，卻不知道怎么用。

熟悉數據分析的思維，能幫我們找到更重要的數據，排除過多雜亂數據的干擾。

如果把數據分析比作醫生看病的過程，那么可以分為以下 4 個階段：

（1）描述：檢查身體，描述指標值是否正常。

（2）診斷：詢問病情，找到疾病的產生原因。

（3）預測：分析病情，預測病情的發展趨勢。

（4）指導：開出藥方，提出有效的治療建議。

我們要盡可能地理解業務并提供價值，從數據的加工者，轉變成故事的講述者，甚至是問題的解決者。