第九章_时序数据的可视化.pdfVIP

第九课 时序数据的可视化 学习目标  了解常用的时序数据的可视化方法  了解时序数据的可视化注意事项  完成部分常见的时序数据的可视化图表 能力目标  能够根据数据选择合适的时序数据可视化图表  能够设计合适的时序数据可视化图表  能够完成常用的时序数据的可视化图表 1 时序数据的表现方法 我们知道 ，任何可视化的基础是对数据的理解 ，针对不同类型的数据 ，我们采用不同的可 视化方法 ，因此 ，从这一部分开始 ，我们针对不同场景的数据介绍各自的可视化的表现方 法和实现。 首先 ，时间是一种非常重要的数据维度和属性 ，我们能收集到的大量数据都是随着时间变 化而变化的 ，我们称这种带有时间属性的数据为时序数据。还可以细分为两类 • 以时间轴排列的时间序列 例如摄像机采集的视频序列 ，各种传感器设备获取的检测 数据 ，股市股票交易数据 ，各地观测的天气数据 ，奥运会比赛日程数据等等。 • 不以时间为变量 ，但是具有内在的排列顺序的数据 ：例如文本 ，生物 DNA 测序等。 这类数据的变化顺序可以映射到时间轴进行处理 这两类数据在实际应用中 ，量非常大 ，类型丰富 ，特别在物联网和移动互联网时代 ，采集 和产生的大量数据都是包含数据属性的数据。 时间属性分为几种类型 ，包括线性的 ，周期性的和多角度多分支的。 线性时间 不同类别的时序数据采用不同的可视化方法表示 ，对于线性的时序数据 ，主要观察随着时 间推移而变化的模式 ，通常可以用长度 ，方向和位置这些视觉编码方式。 如果希望的是对比离散的时间点之间的数据差别 ，我们可以用柱状图。但是如果更希望表 现随着时间数据的趋势走向 ，用折线图就更明显。同样如果需要注重表达每个数据并且在 数据量并不是很大的情况下 ，我们可以采用散点图 ，并用折线连接起来凸显趋势。还有一 种点线图 ，相对比与柱状图 ，更聚焦于断点的数据。我们可以根据实际的数据量和希望表 达的方式 ，选用不同的方式。 2 如图显示的是 1948 年到 2012 年美国的失业率。上图是月环比数据 ，因为数据点密集 ， 看起来像是连续的数据 ，而下图是每年一月份的的失业率 ，条形之间有较大的空隙 ，更容 易区分每个数据点。这里就和数据测量的密集程度有关 ，如果展现趋势 ，还是用折线图更 为明显。 如果有多个变量随着时间变化 ，我们可以采用堆叠流图的方式来表现。这种堆叠流图方法 既可以显示总量 ，有可以显示各个时序数据之间的对比。而且每个时间流的分段标签更加 易读 ，还可以区分不同的层次 ，具有美感 ，长用于时间流数据的可视化。 下图是美国纽约时报刊登的采用光滑曲线形状的流图可视化 1986-2008 年间卖座电影的 3 票房数据 ，可以快速定位哪些电影特别卖座 ，以及电影持续的时间。 下图是用堆叠图表达历年奥林匹克运动会中各个国家获得奖牌的情况。可以明显的看出来 各个国家的获得奖牌的变化 ，以及奥利匹克运动逐渐变成一个世界级赛事的过程。还有一 些因为世界大战中断的年份 ，因为世界政治格局变化而导致的特殊年份。 4 周期时间 自然界的过程具有循环性 ，比如一天中的时间 ，一周中的每一天 ，一年中的每个月都在周 而复始。对应时序数据来说 ，非常多的数据都有周期规律 ，如果我们对齐这些时间段 ，对 发现这些规律通常是有好处的。 例如下图是美国运输局的航班数据 ，通过折线图可以发现很强烈的周期性 ，每周六的航班 最少。 如果把这个折线图变成极坐标 ，也可以看出这周周期规律。一个点约接近中心 ，数据值就 越小 ，离中心越远 ，数据就越大。 因为数据的周期性非常明显 ，我们把折线图按照每周分段 ，并折叠显示出来 ，下图是以周 围坐标的折线图和星状图。就能更加明显的看出每周六 ，航班显著减少的规律。 5