数据可视化一直是一个有用却常常被忽视的数据分析方法，本系列借助 gnuplot 或 Python 包介绍常见的图例展示方法。

文章来自微信公众号“科文路”，欢迎关注、互动。转载须注明出处。

上周四的文章介绍了平行坐标图（parallel coordinates plot），是我最近工作中很苦恼的一个问题的解答。

问题

我突然意识到，“数据可视化”似乎是一个常常被泛统计学学科忽视的训练内容，包括我自己，可能也没有重视、系统性的学习这个范畴。这就导致，在遇见看似整洁的数据面前，脑海里没有浮现正确的数据展示方案，比如：

• 如何展示一组变量产生单一结果
• 平行坐标图
• 如何去展示大量“数据对”之间的差异？
• 如何展示时间序列数据？

甚至，如何正确的叫出某一类图例的学名，以高效的和同事交流。这些，都可能需要系统的学习“数据可视化”。

工具

好马配好鞍。系统的学习不是纸上谈兵，高速发展的开源软件世界提供了边学边实践的可能：各种数据源、各种作图软件。

在“程序员+统计学者”的世界里，已经有了形形色色的作图工具。值得强调的是，无所不能的 C++ 标准库里缺少图形库，这使得使用 C++ 作图高效但笨拙。

此外，现有的一些工具常常被使用，

• Python
• Matplotlib、plotly、etc.
• Tool
• gnuplot、Octave、Excel、MATLAB
• C++
• qwt (Qt)

上述常用工具除了斜体的,其余个人都能免费获取和使用。

思路

接下来每周四，数据可视化系列将以 gnuplot 的功能为基础有序展开，并佐以每种图背后的统计学用途介绍，同时也将附赠 Python 代码。

最终，希望我们都能走向一个系统性学习的美好结局。

那就，下周四见~

~~

都看到这儿了，不如关注每日推送的“科文路”、互动起来~

至少点个赞再走吧~