Chap5数据可视化.pptx

第5章 数据可视化;内容简介;目录;学习目的;数据可视化在数据科学中的重要地位主要表现在以下3个方面： （1）视觉是人类获得信息的最主要途径 （2）相对于统计分析，数据可视化的主要优势体现在两个方面 （3）可视化能够帮助人们提高理解与处理数据的效率 ;（1）视觉是人类获得信息的最主要途径 视觉感知是人类大脑的最主要功能之一，超过50%的人脑功能用于视觉信息的处理 眼睛是感知信息能力最强的人体器官之一。最高带宽可以带到100MB/S。 I see （2）相对于统计分析，数据可视化的主要优势体现在两个方面 数据可视化处理可以洞察统计分析无法发现的结构和细节。Anscombe的四组数据（Anscombe‘s Quartet）。 数据可视化处理结果的解读对用户知识水平的要求较低;;;（3）可视化能够帮助人们提高理解与处理数据的效率。 John Snow采用数据可视化的方法研究伦敦西部西敏市苏活区霍乱。 1736年《哥尼斯堡的七座桥》推动了图论与几何拓扑学的出现。;目录;5.1主要类型;5.1.1科学可视化;标量场可视化：标量场指二维、三维或四维空间中每个采样处都有一个标量值的数据场。标量场的可视化一般采用映射为颜色或透明度、等值线或等值面、直接体绘制等方法。;向量场可视化：与标量场可视化不同的是，向量场可视化以向量为单位进行采样，具有一定的方向性。;张量场可视化：张量是矢量的延伸，标量是0阶张量，而矢量是1阶张量。张量场的可视化方法有3种，即基于纹理、几何和拓扑的可视化方法。 ;5.1.2信息可视化;根据可视化对象的不同，信息可视化可归为多个方向： 时空数据可视化 数据库及数据仓库的可视化 文本信息的可视化 多媒体或富媒体数据的可视化;5.1.3可视分析学;目录;5.2.1顺序模型;5.2.2反馈模型;与可视化顺序模型相比，主要变化体现在3个方面： 重视信息反馈 突出用户交互 强调任务导向;5.2.3分析模型;5.2基本模型 ;可视分析学的流程具有如下特点： 强调数据到知识的转换过程。 强调可视化分析与自动化建模之间的相互作用。 强调数据映射和数据挖掘的重要性。 强调数据预处理工作的必要性。 强调人机交互的重要性。 ;目录;5.3常用方法;5.3.1视觉编码;（1）图形元素：通常为几何图形元素，如点、线、面、体等，主要用来刻画数据的性质，决定数据所属的类型。;（2）视觉通道：图形元素的视觉属性，如位置、长度、面积、形状、方向、色调、亮度和饱和度等 ;5.3常用方法;5.3.2统计图表;饼图（Pie Chart）;等值线（Contour Map）;散点图（Scatter Diagram）;5.3常用方法;维恩图（Venn Diagram）;热地图（Heat Map） ;5.3常用方法;箱线（Box-plot）图;雷达图（Radar Chart）;5.3.3图论方法;5.3常用方法;5.3常用方法;5.3.4视觉隐喻;（1）直接在现实图像上进行视觉隐喻;5.3常用方法;5.3常用方法;5.3常用方法;（2）对现实事物，甚至是虚拟事物（如龙等）进行了一定的抽象处理之后，再进行视觉隐喻，比较有典型的是鱼刺图（图5-28）和树型结构图（图5-29）。 ;5.3常用方法;5.3常用方法;5.3.5图形符号学;5.3常用方法;Wilkinson，《图形学的语法（The Grammar of Graphics）》 图形语法规范： 数据：从数据集中生成变量的数据操作； 转换：数据变量间的转换； 框架：变量空间，包括变量之间的操作； 标度：标度之间的转换； 坐标：坐标系统； 图形：标准图形（对应于Bertin的图形符号）及其美学术性（对应于Bertin的视模网变量）； 参考：用于图形对象的对齐、分类和比对。 ;5.3.6面向领域的方法;5.3常用方法;目录;5.4视觉编码;5.4.1视觉感知;（2）视觉认知是指个体对视觉感知信息的进一步加工处理过程，包括视觉信息的抽取、转换、存储、简化、合并、理解和决策等加工活动。 完图法则（又称Gestalt法则）较好地解释了人类视觉感知和认知过程一项重要特征：人类的视觉感知活动往往倾向于将被感知对象当作一个整体去认知，并理解为与自己经验相关的、简单的、相连的、对称的或有序的以及基于直觉的完整结构。 因此，视觉感知结果往往不等同于感知对象的各部分的独立感知结果之和。;5.4视觉编码;5.4.2数据类型;5.4.3视觉通道;5.4视觉编码;在数据来源和目标用户已定的情况下，不同视觉通道的表现力不同。视觉通道的表现力的评价指标包括： “数据表现力”是指视觉通道在对数据进行视觉编码时，需要表达且仅仅表达数据的完整属性。 精确性 可辨认性 可分离性 视觉突出性 ;精确性 ;可辨认性 ;可分离性;由于不同视觉通道具有不同的表现