1-数据可视化基础概述

一、数据可视化

根据目标的不同，数据可视化可以分为探索性分析和解释性分析：

• 探索性分析：探索、理解数据，并找出事先不确定、但值得关注或分享的信息；
• 解释性分析：向受众解释确定的问题，并有针对的进行交流和展示。

二、为什么用数据可视化

1、大数据的4V特征

• Volume：数据量大
• Veolcity:速度要求快
• Variety:数据类型多
• Value:价值密度低，商业价值高

2、大数据的挑战

• 数据！=有价值的信息
• 目标根据数据获得知识
• 所以需要对数据以某种方式进行整理、分析和展示

三、数据可视化呈现了哪些特征

• 高维
• 交互
• 动态 

四、数据类型

• 结构数据：也可以称之为表格数据,由观测和特征构成
• 非结构数据：

1. 1. 树状数据：由节点和特征构成
   2. 网络数据：由节点、边、特征构成
   3. 文本数据：由词、观测构成
   4. 时间数据：由时间戳、观测构成
   5. 空间数据：地理位置、网格、观测构成
   6. ......

五、数据尺度

1、定性数据

• 定类：“大学”={北京大学，清华大学，中国人民大学}
• 定序：“收入水平”= {低，中，高}

2、定量数据

• 定距：“摄氏温度”={36.5,37,40,45,80}
• 定比：“身高”=170,169,180，188,190

　　定距与定比的区别在于，定距并没有绝对0值（即没雾绝对意义），而定比有绝对0值，可加减也可乘除。

六、数据可视化工具小结

 六、数据可视化元素---视觉编码（Visual Encode）

1、Bertin视觉变量包括：

1. 位置（Position）：水平、垂直、坐标轴、趋势、离群、群集；
2. 大小（Size）：使用长度/高度(一维)、面积(二维)、体积(三维)的大小来表示数值的大小；
3. 形状（Shape）：线型(如直线、虚线)、符号(如三角形、正方形)、Icon小图标(如房屋、飞机)；
4. 数值（Value）：如一个房屋Icon小图标代表述职5，那么两个则代表10；
5. 色相（Hue）：色彩的基本属性，即红橙黄绿青蓝紫
6. 方向（Orientation）：空间中的向量的斜度
7. 纹理（Texure）

2、注释（是一种非图形视觉编码）包括：

• 标题：对图表的概述
• 图例：对图表元素的注释
  • 离散型数据图例
  • 连续性数据图例
• 坐标轴
  • x轴
  • y轴
• 标签：快速关注需要关注的内容（比如标出拐点）

3、字体（是一种非图形视觉编码）

4、对视觉编码进行小结

　　5大图形编码（位置、大小、形状、方向、坐标系），4大非图形编码（注释、字体、颜色、纹理）