1. Data Visualization Kya Hai?

Data Visualization ka matlab hai

Raw data ko graphical form me dikhana taaki insan use easily samajh sake.

Simple words me

Data → Graph → Information → Decision

Example

Suppose company ke paas ye sales data hai

Table dekhne se itna quickly samajh nahi aata.

Agar isi ko line chart bana do

Sales

18|
17|
16|
15|        *
14|
13|             *
12|  *
11|
    Jan Feb Mar Apr

Ab ek second me samajh aa gaya

• Sales increase hui

• Fir April me decrease hui

Isi ko visualization bolte hain.

2. Visualization ki Need Kyu Hai?

Real world me companies ke paas

• Lakhs rows

• Crores rows

• Hundreds columns

hoti hain.

Example

Amazon

10 crore orders

Agar manager table dekhega to kuch samajh nahi aayega.

Visualization banaoge to turant dikhega

• Best selling product

• Worst month

• Highest revenue

• Customer age group

• Profit trend

Isliye visualization decision making ka part hai.

3. Visualization Ka Goal

Visualization ka purpose sirf graph banana nahi hota.

Uska purpose hota hai

Story batana.

Example

Galat Question

Sales kitni thi?

Achha Question

Sales kab badhi?
Kab ghati?
Kis product ki wajah se badhi?

Visualization questions ka answer deta hai.

4. Data Visualization Process

Raw Data

↓

Cleaning

↓

Analysis

↓

Visualization

↓

Insights

↓

Decision

Ye pura pipeline har company use karti hai.

5. Matplotlib Kya Hai?

Matplotlib Python ki sabse purani aur sabse popular plotting library hai.

Ye almost har type ka graph bana sakti hai.

Example

• Line Chart

• Bar Chart

• Scatter Plot

• Histogram

• Pie Chart

• Box Plot

Ye low level library hai.

Matlab

Tum har cheez customize kar sakte ho.

Example

• Color

• Font

• Axis

• Marker

• Grid

• Legend

Sab kuch.

Advantages

✔ Flexible

✔ Powerful

✔ Industry Standard

✔ Complete Control

Disadvantages

Thoda verbose hai.

Ek simple graph ke liye bhi kaafi code likhna padta hai.

6. Seaborn Kya Hai?

Seaborn bhi visualization library hai.

Lekin

Ye Matplotlib ke upar bani hui hai.

Matlab

Seaborn
     ↓
Matplotlib

Internally Seaborn bhi Matplotlib hi use karta hai.

Seaborn ka Goal

Beautiful graphs

Kam code

Better defaults

Example

Matplotlib

20 lines

Seaborn

5 lines

Same graph.

Matplotlib vs Seaborn

7. Visualization Banane Se Pehle Kya Sochna Chahiye?

Sabse important question

Mera data kis type ka hai?

Visualization hamesha data type ke according select hoti hai.

Data generally 2 type ka hota hai.

Numerical Data

Example

• Salary

• Height

• Weight

• Age

Categorical Data

Example

• City

• Gender

• Department

• Product

Visualization bhi isi basis par choose hoti hai.

Most Important Charts

Ab sabse important part.

Ye charts almost har interview aur project me use hote hain.

1. Line Chart

Purpose

Trend dekhna.

Time ke saath change.

Example

• Stock Price

• Temperature

• Revenue

• Sales

• Website Traffic

Best For

Time Series Data

Question Answer karta hai

Increase ho raha hai ya decrease?

2. Bar Chart

Purpose

Categories compare karna.

Example

Sales by

• Delhi

• Jaipur

• Mumbai

• Pune

Question

Sabse jyada kis city me sale hui?

Best For

Categorical Comparison

3. Horizontal Bar Chart

Jab category names bade ho.

Example

Machine Learning

Data Engineering

Artificial Intelligence

Vertical bar me names overlap ho jayenge.

Horizontal better hota hai.

4. Histogram

Purpose

Distribution dekhna.

Example

1000 students ke marks

Question

Most students kis range me hain?

0-10

10-20

20-30

30-40

Histogram data ko bins me divide karta hai.

Best For

Distribution

5. Scatter Plot

Purpose

Do numerical variables ka relationship.

Example

Experience vs Salary

Question

Experience badhne par salary badh rahi hai?

Agar points line jaisa pattern banaye?

Positive Relationship?

Random?

No Relationship?

6. Pie Chart

Purpose

Percentage dikhana.

Example

Market Share

Apple

Samsung

Vivo

Oppo

Question

Kis company ka kitna share hai?

Note:

Pie chart tabhi use karo jab categories kam (3–6) ho aur total ka percentage dikhana ho. Bahut saari categories ya exact comparison ke liye bar chart zyada effective hota hai.

7. Box Plot

Box Plot एक statistical graph है जो किसी data के distribution (फैलाव) को 5 मुख्य values के ज़रिए दिखाता है।

5 मुख्य parts होते हैं:

1. Minimum — सबसे छोटी value (outliers छोड़कर)

2. Q1 (25th percentile) — नीचे के 25% data की upper limit

3. Median (Q2) — बिल्कुल बीच की value

4. Q3 (75th percentile) — नीचे के 75% data की upper limit

5. Maximum — सबसे बड़ी value (outliers छोड़कर)

IQR (Interquartile Range) = Q3 − Q1 → यही box की चौड़ाई होती है।

Real Example: मान लो एक class के 10 students के marks हैं: 12, 45, 50, 55, 60, 65, 70, 75, 80, 95

तो: Min=45, Q1=52, Median=62, Q3=73, Max=80 — और 12 व 95 outliers हैं।

Box Plot एक "5-number summary" को visually दिखाता है। उदाहरण के साथ देखो — ऊपर diagram में student marks का data है।

Whiskers क्यों होते हैं? Whiskers वो range दिखाते हैं जो normal मानी जाती है। इससे बाहर जो values हों वो outliers (orange dots) होती हैं — जैसे कोई student बहुत ज़्यादा (95) या बहुत कम (12) marks लाए।

Box Plot कब use करते हैं? जब compare करना हो — जैसे boys vs girls के marks, या अलग-अलग subjects की performance — तब एक साथ कई box plots side-by-side रखते हैं।

8. Heatmap

Heatmap एक 2D grid होता है जहाँ हर cell की color उसकी value बताती है — जितनी गहरी color, उतनी बड़ी value।

Simple Example: एक class के students के अलग-अलग subjects में weekly performance — कौन से दिन कौन सा subject अच्छा या बुरा रहा, यह heatmap से एक नज़र में दिखता है।

Count Plot vs Heatmap:

• Count Plot → एक variable की frequency

• Heatmap → दो variables के बीच का relationship, color से दिखाया

  

ऊपर diagram में हर cell एक subject + day का combination है, और उसकी color उस दिन के score को दिखाती है।

Color का मतलब: गहरी नीली color → ज़्यादा score, हल्की color → कम score। नीचे का color scale (legend) देखकर कोई भी value समझ सकते हो।

Key Points:

Rows → एक variable (यहाँ Subject)

Columns → दूसरा variable (यहाँ Day)

Cell की color → उन दोनों का intersection value

Pattern पकड़ना आसान — जैसे ऊपर देखो, Science का Thursday और English का Monday बहुत dark है यानी उन दिनों performance बहुत अच्छी थी।

Heatmap कब use करें? जब दो categorical variables के बीच का pattern या correlation एक साथ देखना हो — जैसे website traffic (hour × day), exam scores (student × subject), या temperature (month × city).