1、6.1 数据可视化概述6.2 数据可视化的基本形式6.3 可视化工具介绍6.1.1 数据可视化的发展历程6.1.2 数据可视化定义目 录O N T E N T S6.3.1 常用可视化工具 6.3.2 Tableau简介 6.1.3 数据可视化流程6.1 数据可视化概述数据可视化的发展历程数据可视化定义数据可视化流程6.1.1 数据可视化的发展历程16世纪，精确观测数据变化的物理理论技术和相关的仪器已经逐渐被发明，而且手工绘制的可视化图表也逐渐出现。17世纪，物理学基本量的测量理论完善，这些理论和技术广泛应用于测绘技术、航空航海数据分析、国土勘察技术等相关领域。同时，地图学理论和实践也得到了迅
2、速的发展，人类对可视化开始了一种新的思维模式。18世纪是统计图形的繁荣期，人们创造了更好的图形类型和其他物理信息的概念图，抽象概念图和函数图得到了广泛的应用。19世纪上半叶，统计图形、概念图等开始迅猛爆发，此时已经有了一套完整的统计数据可视化工具。使用统计图表来帮助思考的诞生，从而派生出一个新视觉思维方式。19世纪后期，可视化方法建设的条件不断成熟。数据测量与图表萌芽可视化技术的发展历程具体可以分为以下几个阶段：20世纪后，各种数据分析和可视化技术逐渐出现，特别是采用计算机编程技术来实现数据可视化。70年代后，可视化的数据来源越来越广泛，数据密集型计算开始产生实际需求。21世纪以后，需要分析和
3、表示的数据量激增，新的可视化分析方法进一步综合了可视化、图形、数据挖掘理论与方法，从结构庞大的数据中迅速找到有用的信息以便完成有效的决策支持。现阶段，不仅大数据随处可见，而且相应的可视化处理也随处可见。数据图形数据可视化17世纪前18-19世纪20世纪后6.1.2 数据可视化定义 一般认为：运用计算机的图像处理和图形学技术将数据绘制成图像，借此增强人的感知和认知能力的技术称为数据可视化。数据可视化不仅包含计算机图形学技术，还包含人机交互和可视化算法等技术。计算机通过对采集的海量数据进行分析与处理，使其转变为易于被人所理解的图形、图像或者视频，人还可以通过交互界面与其进行交互，发现隐含在数据背后
4、的规律，将之运用于社会生产和经营活动，从而提高社会效率。数据可视化6.1.2 数据可视化定义信息可视化主要针对高维、抽象、非结构化的数据。信息可视化根据实际的数据分析需求，在二维空间中呈现数据，使人能够发现其中所蕴含的信息。核心问题是对高维数据进行可视化、对数据间的关系进行可视化以及对于可视化的结果进行有效性判断等。数据可视化最成熟的领域，主要应用于物理、化学、医药医学与航空航天等自然科学领域。科学可视化的主要目标在于寻找数据中的模式，核心问题是怎样呈现数据中的演化规律和形状特征。可视分析以可视化交互为基础，不仅包含了数据可视化和数据分析，还包含了数据挖掘与人机交互等领域。可视分析通过数据可视
5、化交互界面与其进行互补，完成有价值的分析与预测。核心问题在于对数据的分析与推理，在于人的思维与机器智能的双向互动。数据可视化主要可以分为三个发展方向，分别是信息可视化、科学可视化与可视分析。科学可视化6.1.3 数据可视化流程 可视化过程以数据流为主线，其主要模块包括数据采集、数据处理与转换、可视化映射和用户感知。整个可视化过程可以看作是数据流经一系列处理模块并进行转换的过程。可视化流程如图所示。数可视化社会活动、现象数据收集数据筛选及处理可视化处理用户感知知识、灵感反馈6.1.3 数据可视化流程数据收集 数据是可视化的对象。数据可以通过采样、调查记录、模拟实验等不同的方式进行采集。数据采集直
6、接决定了数据的格式、大小、精度等重要属性，在很大程度上决定了可视化结果的质量。数据筛选及处理 即数据预处理。将原始数据转换为用户能够理解和显示的模式和特性。这个过程包括去误差、数据清理和筛选、提取特征值等，为之后的可视化映射做好准备。可视化处理 可视化处理是整个可视化过程的核心，将各种类型的数据通过不同方式的连接和用不同的显示方式展示出来。最终目的是将数据中包含的信息或者隐含在数据中的规律现象等显现出来，提高数据的可读性，使用户可以更好地理解数据和应用数据。用户感知 用户感知就是将数据进行可视化处理后，用户从中获得信息、知识和感悟等。用户根据自己的主观需求，在可视化图表中找到需要的信息并得出自
7、己的结果，这可帮助他们获得需要的知识，可以对数据有更深入的见解，也便于更加深入的对数据进行分析。6.2 数据可视化的基本形式直方图饼图标签云折线图箱图雷达图气泡图关系图热图6.2 数据可视化的基本形式1.直方图 直方图（Histogram）又称柱状图，是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。直方图是数值数据分布的精确图形表示，是一个连续变量的概率分布的估计，它是一种条形图。6.2 数据可视化的基本形式2.饼图 饼图（Sector Graph）常用于展示数据系列中各项的大小与各项总和的比例关系。2D饼图为圆形，仅排列在工作表
8、的一列或一行中的数据可以绘制到饼图中。饼图中的数据点显示为饼图中的百分比。6.2 数据可视化的基本形式3.折线图 折线图可以显示随时间而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。在折线图中，类别数据沿水平轴均匀分布，所有值数据沿垂直轴均匀分布。如果分类标签是文本并且代表均匀分布的数值，则应该使用折线图。当有多个系列时，尤其适合使用折线图，可以看出不同系列数据之间的差别。6.2 数据可视化的基本形式4.箱图 箱图是一种显示数据离散状态的分析图形。箱图主要包含6个数据节点：上限、下限、上四分位、中位数、下四分位和异常值。箱图更容易识别数据异常。箱图将多批数据放同一数据轴上，并排
9、排列进行对比，使得样本数据特征的分析变得更加容易。常用于股票市场分析的K线图就是类似箱图的一种应用。6.2 数据可视化的基本形式5.雷达图 雷达图是一种应用于多维数据分析的图形，通过对多维数据进行分析，来探索问题的相关状态。通常维度应大于或等于四维。雷达图使用的样本数据，应该由一个或多个定性变量和多个连续型变量组成，因而雷达图能够进行多元多维度比较，更加形象直观地反映出数据特征。如果只是一组连续型变量，则更适合选择箱图来绘制图形。6.2 数据可视化的基本形式6.标签云 标签云是关键词的视觉化描述，表现一套标签和与其对应的权重。一般的标签云含有30-150个标签，每个标签对应的权重影响标签的属性
10、。标签云使用独立词汇，通过字号、颜色、排序和字体等属性，形象地体现标签的使用次数及热门程度等相关特性。但是，标签云描述的特性并不能非常准确地呈现出来，因而标签云不适合那些对绘图结果要求非常准确的场景。6.2 数据可视化的基本形式7.气泡图 气泡图（bubble chart）是可用于展示三个变量之间的关系。它与散点图类似，绘制时将一个变量放在横轴，另一个变量放在纵轴，而第三个变量则用气泡的大小来表示。排列在工作表的列中的数据可以绘制在气泡图中。气泡图与散点图相似，不同之处在于：气泡图允许在图表中额外加入一个表示大小的变量进行对比。6.2 数据可视化的基本形式8.关系图 关系图是使用连线的方式，将
11、相关事务连接起来，表示事物相关性的图形，这里的相关性指的是事物之间复杂的逻辑关系。6.2 数据可视化的基本形式9.热图 热图是一种表现数据热点的图形，以区域和颜色等视觉效果，形象地表现数据的密度、频率及热点等特征。热图仅仅表达的是数据之间的大概关系，并不能精确展现数据频率、热度等特征。热图可以视为地图的增强版，地图展现的是数据与地理位置之间的关系，而热图则是将地理位置广义化，以不同的区域块来区别。在Web设计领域，热图也被用来检测页面的哪些部分对顾客具有吸引力。6.3 可视化工具介绍常用可视化工具Tableau简介6.3.1 常用可视化工具 目前使用较多的数据可视化工具有Excel、Table
12、au、jqPlot、D3.js、iCharts以及Matplotlib等。Excel Excel在数据分析方面功能较丰富的办公软件，其中也包含了相应的可视化处理工具，可以作为通用的数据可视化软件，也可以作为初学级别的数据可视化工具。6.3.1 常用可视化工具 Tableau软件是很常用的数据可视化处理专用软件，相比于Excel等通用软件，它在大数据处理的功能和速度上都更加占有优势。Tableau可以制作图表也能进行地图绘制，在可视化处理方面操作简单，不需要学习特别复杂的计算机编程等知识就能进行数据分析。另外Tableau支持的数据源广泛，可以连接多种数据源，还能在团队之间协作分享图表。Tabl
13、eau6.3.1 常用可视化工具jqPlot是一个基于jQuery的Web端绘图插件，用户可以根据需要为图表设置不同的样式。具有自定义日期轴线、设置旋转文字、自动计算趋势线等功能。D3（Data-Driven Documents）利用现有的Web标准实现数据可视化，是一个基于文档对象模型的JavaScript库，是目前最流行的可视化数据库之一。优点在于不仅能于与大多数浏览器兼容，而且还可以避免依赖于限定的框架。ICharts是用JavaScript语言进行可视化分析的工具，是一个云服务可视化工具。能够比较方便快捷的生成高分辨率的可视化图表。用户可以根据自己的需要定制独特的图表，还可以脱离数据文
14、档、表格等数据，实现元素之间的交互。Matplotlib 是一个基于Python语言的2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。开发者可以仅通过几行代码，便可以生成饼图，直方图，功率谱，条形图，散点图等。D3.jsIChartsjqPlotMatplotlib 6.3.1 常用可视化工具 金字塔的第二层，具有代表性的工具就是Python中的Seaborn和D3中的Dimple，它们都可以在编程语言的支持下更快捷的进行数据可视化。相应地，使用基础就是对计算机编程技术的熟练掌握，因此具有一定的难度。金子塔的最顶层，包括Excel、Tableau与BDP等。这类工具适
15、用范围较小，不够灵活，但在商业领域普遍使用，它们的可视化开发效率非常高，能够结合地理位置信息，绘制出热力图、辐射图等对可视化意义重大的图表。金字塔最底端的可视化工具，诸如D3.js、Python、R等工具，它们非常的灵活，只要学会它们的使用方法，基本上可以完成所有业务问题。但缺点是：它们的学习曲线陡峭、学习成本高。可视化工具分类对比图分类对比0102036.3.1 常用可视化工具可视化工具特点和优势局限性学习曲线目标人群Excel快速绘制基础表格非专业可视化工具 零基础快速上手一般业务人员Tableau操作更加灵活、反应速度快高收费、不支持国内数据库与国内地图需要一定学习时间数据分析师BDP性
16、价比高、对国内用户友好、云端操作云端操作存在一定延迟零基础快速上手数据分析师及一般业务人员常用可视化工具对比表格6.3.2 Tableau简介1.Tableau软件概述 Tableau是一款数据可视化敏捷开发和实现的商业智能展示工具，可以用来实现交互式、可视化分析和仪表盘应用。Tableau 采用点击拖拽的方法产生图表，不需要开发和编程基础，并且有用户界面友好、响应速度快等优点，支持多种数据源，它还可以连接到多种数据库服务器。此外，它能够跟随思维轨迹快速切换视图，无需使用向导或编写程序，可以显著提高工作效率。Tableau通过数据可视化分析技术使得数据中信息的挖掘变得轻松。Tableau的操作
17、界面图6.3.2 Tableau简介极速高效Tableau可以直接连接外部数据源进行数据分析及可视化处理，也能从内存数据仓库中提取数据进行分析，可以实时更新连接的数据，实时数据的展示大幅度的提高数据分析的时效性。简单易用Tableau提供了一个非常友好的视觉界面。操作简单、直观、易学易用。用户可以快速创建智能、优雅、直观和高度交互性的报告和仪表板。数据源支持广泛Tableau 不仅支持不同来源的数据，还对不同数据源的数据进行连接分析。用户可以根据数据的位置在不同数据源之间切换分析或者彼此相关的数据结合多个数据源进行分析。具有良好的可扩展性Tableau拥有多种应用程序编程接口，不仅可以连接各种
18、格式的数据源，而且还能使用相应的接口连接到需要分析信息系统和相关平台中，实现与系统或平台的交互。Tableau特性010203042.Tableau 的特性6.3.2 Tableau简介3.Tableau 的工作区 Tableau Desktop的工作区中可以创建视图、设计可视化图表展示仪表板、创建故事、发布和共享工作簿。具体包括工作表工作区、仪表板工作区和故事工作区。主要是进行数据可视化处理的工作区，包含工具栏、菜单、数据窗口等。在工作表工作区中可以通过简单的数据字段拖放将数据转换成可视化图表。工作表工作区如图所示。工作表工作区工作表工作区6.3.2 Tableau简介仪表板工作区主要是把工作表工作区中设计好的可视化图表进行整体布局，类似于一个可视化大屏，将工作表中的各个对象的组合，用来揭示数据关系和含义。仪表板工作区如图所示。3.Tableau 的工作区主要是将工作表或者仪表板的集合按照特定的顺序排列，然后添加相应的注解，一般是当作演示工具向读者或者用户讲述某些事实，以及各个事件的联系等。故事工作区仪表板工作区
