合理的数据可视化表现方式说明.pdfVIP

合理的合理的数据数据可视化可视化表现方式表现方式 合理的合理的数据数据可视化可视化表现方式表现方式 一、一、 数据的特性数据的特性 一、一、 数据的特性数据的特性 数据可视化，先要理解数据，再去掌握可视化的方法，这样才能实现高效的数据可视化， 下面是常见的数据类型，在设计时，你可能会遇到以下集中数据类型： • 量性：数据是可以计量的，所有的值都是数字 • 离散型：数字类数据可能在有限范围内取值。例如：办公室内员工的数目 • 持续性：数据可以测量，且在有限范围内，例如：年度降水量 • 范围性：数据可以根据编组和分类而分类，例如：产量销售量 可视化的意义是帮助人更好的分析数据，也就是说他是一种高效的手段，并不是数据分 析的必要条件;如果我们采用了可视化方案，意味着机器并不能精确的分析。当然，也要明 确可视化不能直接带来结果，它需要人来介入来分析结论。 在大数据时代，可视化图表工具不可能“单独作战” ，而我们都知道大数据的价值在于数 据挖掘，一般数据可视化都是和数据分析功能组合，数据分析又需要数据接入整合、数据处 理、ETL 等数据功能，发展成为一站式的大数据分析平台。 二、二、 如何让可视化合理如何让可视化合理 二、二、 如何让可视化合理如何让可视化合理 视化图表分为以下几类： 每个可视化图表的类型以一个合理图表的呈现的形式来举例说明。 (一一) 比较类比较类 一一 比较类比较类 比较类显示值与值之间的不同和相似之处。 使用图形的长度、宽度、位置、面积、角 度和颜色来比较数值的大小， 通常用于展示不同分类间的数值对比，不同时间点的数据对 比。 柱形图柱形图 柱形图柱形图 柱状图有别于直方图，柱状图无法显示数据在一个区间内的连续变化趋势。柱状图描述 的是分类数据，回答的是每一个分类中“有多少?”这个问题。 需要注意的是，当柱状图显 示的分类很多时会导致分类名层叠等显示问题。 1. 适合的数据：一个分类数据字段、一个连续数据字段 2. 功能：对比分类数据的数值大小 3. 数据与图形的映射：分类数据字段映射到横轴的位置 4. 连续数据字段映射到矩形的高度 5. 分类数据也可以设置颜色增强分类的区分度 6. 适合的数据条数：不超过 12 条数据 (二二) 分布类分布类 二二 分布类分布类 分布类显示频率，数据分散在一个区间或分组。 使用图形的位置、大小、颜色的渐变 程度来表现数据的分布， 通常用于展示连续数据上数值的分布情况。 散点图散点图 散点图散点图 散点图也叫 X-Y 图，它将所有的数据以点的形式展现在直角坐标系上，以显示变量之 间的相互影响程度，点的位置由变量的数值决定。 通过观察散点图上数据点的分布情况，我们可以推断出变量间的相关性。如果变量之间 不存在相互关系，那么在散点图上就会表现为随机分布的离散的点，如果存在某种相关性， 那么大部分的数据点就会相对密集并以某种趋势呈现。数据的相关关系主要分为：正相关(两 个变量值同时增长)、负相关(一个变量值增加另一个变量值下降)、不相关、线性相关、指数 相关等，表现在散点图上的大致分布如下图所示。那些离点集群较远的点我们称为离群点或 者异常点。 1. 适合的数据：两个连续数据字段 2. 功能：观察数据的分布情况 3. 数据与图形的映射：两个连续字段分别映射到横轴和纵轴。 4. 适合的数据条数：无限制 5. 备注：可更具实际情况对点的形状进行分类字段的映射。 6. 点的颜色进行分类或连续字段的映射。 (三三) 流程类流程类 三三 流程类流程类 流程类显示流程流转和流程流量。 一般流程都会呈现出多个环节，每个环节之间会有 相应的流量关系，这类图形可以很好的表示这些关系。 漏斗图漏斗