数据可视化

问题

当结构化数据需要变成图表时，常见难点不是画图，而是从变量类型、分析问题和输出媒介反推合适的图表形式。直接把原始数据丢进 matplotlib 常得到轴标签不可读、颜色混乱、缺失值造成断线或过度夸大的条形图。

工作方式

该技能把可视化拆成明确步骤：先检查数据字段是数值、分类还是时间型，再根据比较、趋势、关系、分布、相关性等目标选择图表类型。随后做聚合、透视、排序、重采样，并清理 NaN。绘图时强调可读轴标签、单位、图例、去除多余网格线，并按报告或仪表板设定尺寸。静态输出使用 matplotlib 和 seaborn，保存为 PNG 或 SVG；交互输出使用 plotly，支持悬停、缩放和平移。

边界与注意点

它适合数据分析和文档中的图表生成，但不替代统计建模或复杂仪表板前端开发。类别过多时可能需要 其他 聚合或树状图；散点重叠需要用透明度、抖动或密度图；缺失值、长标签、偏斜数据都要按对应规则处理。若未指定图表类型，它会根据问题推断，但仍建议给出目标受众和输出格式。