探索性数据分析(EDA),你会使用吗？

　　还有人说：用一些传统的图形工具，比如折线图、柱状图、饼图等等来分析，不就可以进行数据探索了吗?这种方法似乎是可行的，但这些数据中有不少类别变量，他们的分类水平很多(例如年份跨越7年，行业分为30个，国家有75个之多，公司名称更是多达3505个)，这样一来，光作图可能就让我们筋疲力尽了，“数据探索”又从何谈起?

　　表一 经JMP软件整理的福布斯2000强排行数据

　　什么方法才能很好地探索这些数据，从中发现我们所期望的、甚至意想不到的重要信息呢?我们应该从哪里着手分析才能找到这些信息呢?我们来尝试运用现代EDA中的可视化技术“泡泡图”来边看边想。在JMP软件的帮助下，我们可以很快得到类似图一的图形，其中的横轴代表公司的市值，纵轴代表公司的销售额，泡泡的大小代表公司的利润额，泡泡的颜色代表公司所属的行业。最有意义的是，所有的泡泡并不是静止不动的，它们的位置、大小等都会随着年度的变化而动态变化。与此同时，整个变化的历史轨迹线也会在图中显示出来。

　　这样一来，我们就可以直观地发现一些明显的数据特征。就拿图中标识出来的两家知名公司来说。我们会发现通用电气General Electric的经营业绩比较稳定，而埃克森美孚Exxon Mobil就相对显得大起大落一些。虽然两者有明显不同，但自2008年起，市场价值均有显著的回落，这应当与当时席卷全球的经济危机有关。

　　图一 基于JMP软件生成的动态泡泡图