Python数据可视化（微课版）课后习题参考答案 吕云翔

第1章一、选择题CCBDB二、判断题√×××√三、填空题1.信息2.信息3.图元4.视觉隐喻5.数据可视化四、问答题1.数据可视化是通过图形化手段将数据转换成视觉表现形式的过程，目的是更直观地理解、分析和沟通数据。2.在大数据时代，数据可视化帮助人们从海量数据中快速识别趋势、模式和异常，促进数据驱动的决策。3.数据采集分类主要包括结构化数据采集和非结构化数据采集。4.数据的模式是数据中的常规和规律性部分；关系是数据元素之间的相互联系；异常是数据中的不符合预期的值或模式。5.颜色选择应保证足够的对比度和一致性，透明度可以用来表示数据的密度或重要性等级，避免颜色过多或过于鲜艳，以免造成视觉疲劳。五、应用题1.可以使用条形图或折线图展示不同国家GDP的大小，条形图便于比较不同国家的GDP大小，折线图适合展示GDP随时间变化的趋势。利用颜色、大小等视觉元素区分不同国家，增加交互功能如鼠标悬停显示详细数据，可以更直观地展示比较和趋势。2.设计思路可以从数据收集开始，选择合适的时间段收集社交媒体上的热门话题数据；使用时间序列图来展示话题的热度变化。可视化工具可以使用Python的Matplotlib和Seaborn库，它们支持高度自定义的图表设计，可以清晰地展示话题热度随时间的上升或下降趋势，通过颜色、形状等视觉元素区分不同话题，增加交互性如点击话题显示更多信息，以增强用户体验。第2章一、选择题CABCC二、判断题×××√×三、填空题1.20032.更高3.图表4.图论5.高级抽象四、问答题1.用于绘制2D和3D图形2.默认样式和调色板设计更美观和现代3.混淆矩阵、ROC曲线等4.用于构建、分析和可视化网络5.将数据、可视化元素和交互性组合在一起五、应用题代码略第3章一、选择题BCBAD二、判断题×××××三、填空题1. with2. 逗号3. ignore4. 方向5. fillna四、问答题1. 使用open函数与read方法。2. 序列化是将对象转换为字节序列的过程，用于保存或传输。3. 简单、易于人阅读，适合存储和交换表格数据。4. 按键合并不同DataFrame的行，类似SQL的JOIN。5. 删除记录、填充缺失值（固定值、平均值、预测值）。五、应用题1. 示例代码略。2. 示例代码略。第4章一、选择题ABCDD二、判断题××××√三、填空题关键折线交易发生的时间Matplotlib；Seaborn阶梯四、问答题1.连续型时间数据是指在时间轴上连续记录的数据，可以在任何连续的时间点上被记录和观察。而离散型时间数据则是指在特定时间点或固定时间间隔记录的事件，这类数据通常是计数或者事件的记录，与连续型时间数据相比，它们在时间轴上是分散的。2.阶梯图通常用于展示在某个特定时间点发生突变的连续型数据，比如银行利率的变化、月度固定费用的变动等。它适合用于表示数据在某个时间点之前保持不变，在那个点上突然跳跃到新的值并保持到下一个跳跃点。如何使用柱形图表示时间数据：柱形图可以用来表示一段时间内的数据分布或者比较不同时间点的数据。对于时间数据，可以将时间段（如月份、年份）作为X轴，数据值（如销售量、访问量）作为Y轴。每个时间段对应一个柱子，柱子的高度表示该时间段内数据的大小，通过柱形图，可以直观地看出数据随时间的变化趋势或比较不同时间段的数据差异。3.可视化能将复杂的时间序列数据转换成直观的图形，使得数据中的模式、趋势和异常变得更加容易识别。通过图形展示，人们可以快速地捕捉到数据随时间变化的规律，识别出关键的时间点或时间段，进而进行更深入的分析和决策。可视化工具还支持多种数据比较、趋势线绘制等高级功能，进一步增强了对时间数据分析的能力。4.对于连续型时间数据，折线图和阶梯图是常用的可视化方法，它们能有效展示数据随时间的变化趋势。折线图适用于展示连续变化的数据趋势，阶梯图则适用于展示在特定时间点发生突变的数据。对于离散型时间数据，柱形图和散点图更为合适。柱形图适用于比较不同时间点的数据大小，散点图则能展示时间点事件的分布情况。选择合适的图形需要根据数据的特点和分析的目的来决定。五、应用题1.使用折线图可以直观地展示股票价格随时间的连续变化趋势，适合于观察价格的波动情况和趋势线。选择折线图是因为它能够清晰地表示出价格的上升或下降趋势以及波动的细节。阶梯图则适用于表示股票价格在特定时间点发生的突变，例如分红、配股等事件对价格的即时影响。选择阶梯图的理由是它能够清楚地展示价格变动的具体时间点和变化幅度，对于理解价格的突变非常有帮助。2.对于展示商品每月销量，可以选择柱形图来进行可视化。柱形图能够清晰地展示每个月的销量大小，通过不同月份柱形的高度差异，直观地比较不同时间段的销售业绩。选择柱形图的优势在于它的直观性和易理解性，观众可以快速捕捉到销售高峰和低谷的时间点，分析销售趋势和季节性变化。此外，如果需要展示多个商品的销量对比，堆叠柱形图或分组柱形图也是很好的选择，它们可以在同一个图表中展示不同商品的销量情况，便于进行横向对比和分析。第5章一、选择题ACACA二、判断题××√×√三、填空题1. 变量之间的联系2. 时间3. 英国统计学家阿瑟·鲍利4. 数据点5. 密度四、问答题1. 揭示数据组件之间的相互作用、依赖关系或模式。2. 每一个非主对角元素的位置上是对应行的变量与对应列的变量的散点图，主对角元素位置上是各变量名。3. 需要在散点图的基础上进行简单的修改，主要是通过设置s参数来调整气泡的大小。请根据具体数据和需求设定s的值以合理反映额外维度的大小。4.直方图主要用于展示数据的分布情况，通过柱状图形的高度来表示不同值的频率，帮助识别数据的集中趋势、离散程度等统计特性。5. 密度图通过平滑的曲线反映数据的分布密度，适用于展示数据的分布形状和密度。直方图通过柱状图显示数据分布的频率，适合于粗略估计数据分布的形状。密度图更适合于详细展示数据分布的形态，直方图适合于快速查看数据的集中趋势和分布范围。五、应用题1. 首先，绘制散点图，将一个变量设定为x轴，另一个变量设定为y轴。观察散点图中数据点的分布情况，如果数据点大致沿某一方向排列，可初步判断两变量之间存在正相关或负相关；如果数据点分布随机，可能表示两变量之间没有明显的线性关系。2. 设计实验时，首先选取合适的数据集。然后，使用茎叶图和直方图分别绘制这个数据集的图形。在茎叶图中，可以直观地看到每个数据值，适合于小型数据集的精确分析。直方图通过不同的柱形高度展示数据分布的频率，适合于大型数据集或对总体分布形状有兴趣的情况。比较时，注意茎叶图在呈现具体数据值和小数据集分析中的优势，以及直方图在展示大规模数据分布趋势上的效率。第6章一、选择题ACCBC二、判断题×××√√三、填空题1. 饼图2. 环形图3. 不同时间段内的比例4. 矩形树图5. 多个项目四、问答题1. 饼图主要用于展示各部分对整体的占比关系，但不适合展示过多的分类或精确数据。2. 环形图在视觉上更为吸引人，能够同时展示多个数据集的比例关系，优势在于其独特的视觉效果。环形图可以更有效地在同一视图中展示多个数据集，使得比较各数据集之间的关系变得更加直观。3. 矩形树图通过不同大小的矩形展示数据的层次结构，其中每个矩形的面积与数据大小成比例，使得数据之间的比例关系和层次结构一目了然。4. 和弦图通过将数据点表示为圆环上的节点，并通过节点间的弦来表示节点之间的关系，弦的粗细通常表示关系的强度，从而直观地揭示数据间的相互作用和依赖性。五、应用题1. 设计场景：分析一家公司在不同区域的市场份额。使用饼图来展示公司整体在各区域的市场份额分布，再用环形图展示每个区域内不同产品的市场份额，通过这种方式可以清楚地看到公司整体市场布局及各区域产品表现。2. 设计场景：公司希望分析过去几年中不同产品的收入比例变化。使用堆叠柱状图来展示每年总收入中不同产品的占比，通过不同颜色区分各产品线。同时，使用旭日图来深入展示每个产品线随时间的详细收入变化，旭日图的不同层级可以表示不同年份，更直观地呈现时间序列中的比例变化。第7章一、选择题ABBAD二、判断题√××√×三、填空题1. 词云2. 网络爬虫3. 文本内容可视化4. 词语树5. 短语网络四、问答题1. 网络爬虫主要用于自动化访问网络并抓取某些信息的程序，应用于数据分析、市场研究等领域。2. TF-IDF衡量词语在文本中的重要程度，考虑了词语在目标文本和其他文本中出现的频率。3. 标签云通过不同大小的字体展示关键词的重要性或频率，适合快速把握文本主题。4. 主题河流图用于展示文本主题的变化和趋势，通过颜色和宽度表示不同主题的类型和强度。5. 词语树适用于分析关键词的上下文关系，短语网络适合分析文本中短语的关系和结构。五、应用题1. 项目目的是通过分析社交媒体上用户发布的内容，生成词云，从而识别当前热门话题和趋势。2. 使用主题河流图分析一年内不同时间点新闻报道的主题变化，展示哪些主题在特定时间变得更为重要或流行，以观察新闻关注的转移或事件的发展轨迹。第8章一、选择题ADCCC二、判断题√×√××三、填空题1.数据复杂度2.气泡图3.主成分分析（PCA）4.平行坐标5.matplotlib四、问答题1. 每个数据对象有两个或两个以上独立或相关属性的数据。2. 包括数据复杂度的增加、数据量级的提升、数据质量问题以及数据的快速动态变化。3. 展示多个变量之间的两两关系，反映各维度间的关系及数据集的整体特性。4. 平行坐标图以平行坐标替代垂直坐标，展示高维数据。适用于揭示每个属性上的分布和相邻属性之间的关系，但难以展现非相邻属性间关系，可通过高亮显示和改变坐标轴顺序解决部分问题。5. 通过线性或非线性变换将高维数据投影到低维空间，保持数据特征。常用方法包括PCA和t-SNE，用于数据可视化。五、应用题1. 该项目可以这样设计：目标是利用散点图矩阵技术来分析和解释不同股票之间的关联性。通过收集股票市场的历史数据，包括股价、交易量等多个维度的数据，利用散点图矩阵展现这些股票之间的相互影响和关系强度。通过详细分析每对股票之间的图表，可以揭示潜在的市场趋势、共同的波动模式和潜在的投资机会。此项目可以帮助投资者更