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，在於應用相關思維，發現變量之間的關係。
散點圖就像一扇窗，打開它，並仔細觀察，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，然後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，並用公式表示出來， 接近於 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。
接下來，我們看看具體實現的步驟。
首先，導入所需的庫，並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
# 正常顯示中文標籤
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，並調用 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)
# # 繪製預測線
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)
# 設置坐標標籤字體大小和顏色
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]])
# 標註公式
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，應該挑選什麼指標來進行分析，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。
為什麼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於做出決策的信息。
好的圖表，能把複雜的問題簡單化，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，無論多麼漂亮的圖表，如果不能從中獲取有價值的信息，那麼也是一張沒有「靈魂」的圖表。
很多時候，我們面對的問題，並不是沒有數據，而是數據太多，卻不知道怎麼用。
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幹擾。
如果把數據分析比作醫生看病的過程，那麼可以分為以下 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。
我們要儘可能地理解業務並提供價值，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。