这也是“写代码的干不过做PPT”的部分原因。实际上，只要掌握了可视化的技能，我们的工作就更容易受到leader的认可。
可视化工具包括但不限于，Tableau，Excel，PowerBI，Python，R
可视化之前：探索性分析与解释性分析
二者之间有很重要的区别：探索性分析指理解数据并找出值得分析或分享给他人的精华。这就好比，在牡蛎中寻找珍珠，可能打开一百个牡蛎（尝试很多种方法）才最终找到两颗珍珠。而解释性分析，我们迫切希望能够言之有物，讲好某个故事--专注于两颗珍珠。
大多数时候我们汇报工作就是要做好解释性分析的工作。
可视化过程
一个完整的数据可视化过程，主要包括以下4个步骤：
确定数据可视化的主题
提炼可视化主题的数据
根据数据关系确定图表
进行可视化布局及设计
图片来自：木东居士
可视化元素由3部分组成：可视化空间+标记+视觉通道
可视化空间
数据可视化的显示空间，通常是二维。三维物体的可视化，通过图形绘制技术，解决了在二维平面显示的问题，如3D环形图、3D地图等。
标记
标记，是数据属性到可视化几何图形元素的映射，用来代表数据属性的归类。
根据空间自由度的差别，标记可以分为点、线、面、体，分别具有零自由度、一维、二维、三维自由度。如我们常见的散点图、折线图、矩形树图、三维柱状图，分别采用了点、线、面、体这四种不同类型的标记。
视觉通道
数据属性的值到标记的视觉呈现参数的映射，叫做视觉通道，通常用于展示数据属性的定量信息。
常用的视觉通道包括：标记的位置、大小（长度、面积、体积...）、形状（三角形、圆、立方体...）、方向、颜色（色调、饱和度、亮度、透明度...）等。
确定图表
数据之间的相互关系，决定了可采用的图表类型。常见的数据关系和图表类型的对应关系如下图所示：
图片来自：木东居士
在以后的专栏中，我们将逐步分享上述图片中出现的各图形应用案例及注意事项。接下来，我们结合具体案例来讲述数据可视化的魅力
表格
使用表格时，需要记住的一点是：让设计融入背景，让数据占据核心地位。不要让厚重的边框和阴影与数据争夺受众的注意力。相反，要使用空格来区分表格中的元素。
左表，框线过多容易扰乱阅读者的注意力，反之，三线表简洁干练，通常是论文及出版物表格样式的首选。
热力图
热力图是用表格的形式可视化数据的一种方法，在显示数据的地方（数据之外）利用着色的单元格传递数据相对大小的信息。
热力图绘制（excel2010版）：选中数据--开始--样式--条件格式（你可以根据需要选择合适的条件格式）。
折线图
我们通常可以借助折现图理解趋势，比如，时间序列的每年降雨量（每日将与量之和）；在某些情况下，折线图中的线可能代表一个综合的统计数据，比如平均值或预测的点估计。如果你还想展示范围（或者置信区间），可以直接在图上进行可视化。
左图是多指标折线图，右图在折线图中展示范围内的平均值。
绘制右图时：先绘制avg--max折线图，然后右键“更改图表类型”，选择“面积图”；
右键“选择数据”，添加min折线图；最后选中“min折现图”，右键“设置数据系列格式”，选择“纯色填充--白色”。
