Visualizations II
首先讲了核密度估计函数，然后讲解了一些绘图的理论，感觉信息密度不是很大
核密度估计函数
在每个数据点上放一个高斯函数，然后将所有高斯函数归一化，最后叠加起来
Visualization Theory
可视化的目的是为了帮助我们理解数据，以及把数据的结果或者结论传达给别人
坐标轴
- 不要在同一轴上使用两种不同的刻度!
调色板
绘制热力图时需要使用感知均匀的配色：
- Jet, No. 以前matplotlib默认的调色板，不是感知均匀的，不推荐使用了
- Viridis, Yes 是感知均匀的，由伯克利数据科学研究所的人创建的 matplotlib colormaps (bids.github.io)
- Turbo， Jet的替代，由Google创建 Turbo, An Improved Rainbow Colormap for Visualization – Google AI Blog (googleblog.com)
不要将红色和绿色放一起使用，对红绿色盲不友好
定量数据的顺序与发散的颜色图
- 看数据的大小是否于重要性相关，如果有关，则使用sequential策略
- 如果数据的大小同等重要，则使用diverging 策略
一些特定领域的调色板：Beautiful colormaps for oceanography: cmocean — cmocean 0.02 documentation (matplotlib.org)
标记
- 条形图的长短是容易区别的
- 面积难以区别
- 柱状图不要堆积，因为基线改变了，所以不好判断大小
注：这里保留我个人意见：左图虽然堆积，但是个人感觉比右图更加清晰。