主要观点：数据可视化很重要，不同图表可用于感受数据，各有优劣，通过观察图表可获取数据的典型特征、异常值、形状等信息，从而更好地理解数据。
关键信息：

• 直方图可快速查看数据形状，能发现离群值、分布形状（单峰、多峰、偏态等），简单变换可纠正偏态。
• 分位数可将数据分成等份，帮助理解数据分布，对比不同数据集的分布情况。
• 箱线图用于比较不同组或类别的分布，展示中间 50%数据及异常值。
• 小提琴图结合箱线图和分布曲线，能同时展示分布的简洁比较和完整上下文，但只适用于比较分布。
• 条形图适用于比较多个组，避免使用饼图，以免难以准确比较值。
• 散点图用于展示两个连续变量的关系，可观察点的形状、聚类和离群值，注意非线性关系。
• 热图用于添加第三个变量，通过颜色表示，可观察模式、对比、聚类和颜色突变。
• 线图用于展示随时间等变化的情况，能揭示时机、行为和机会。
  重要细节：
• 如在终端使用数据中，直方图可发现不同用户群体的使用模式差异；箱线图可比较 Linux 和 Windows 用户的终端使用情况。
• 散点图中，如程序员调试时间与幸福感的关系，可发现非线性关系。
• 热图中，GitHub 贡献热图可看出 Linus Torvalds 的活动规律，颜色选择很重要。
• 线图中，巴西产品销售数据展示了不同产品在不同时间的销售情况。
  总结：各种图表各有特点，通过观察它们可快速获取数据信息，帮助更好地理解和分析数据。