11_多元数据的可视化 .pdfVIP

数据可视化 多元数据的可视化 单元目标 l 了解多元数据可视化的方法 l 能够根据数据选择合适的多元数据可视化图表 l 完成部分多元数据的可视化图表 多元数据 高维多元数据是指每个数据对象有两个或是两个以上的独立 （多维度 ）或是相 关 （多元 ）属性的数据。通常统称为多元数据。 此类数据在现实生活中随处可见 ，例如笔记本电脑的不同配置 ，包括CPU,内存 ， 硬盘 ，屏幕和重量等等。每个参数都是电脑的一个属性 ，所有参数组成的配置 就是一个多元数据。 少数维度 二维或是三维数据 ，都可以用常规的可视化方法表示。通过散点图。 或是通过各种视觉编码表示额外的属性 ，比如颜色 ，大小 ，形状等。 更高维度的数据就不合适 ，视觉编码有限 ，多余复杂的视觉编码会降低可读性。 高维度的多元数据 l 空间映射法 散点图矩阵 是散点图的扩展 ，对N维数据 ， 通过N2个散点图注意表示N 个属性之间的两两关系。 • 符合用户习惯 ，有效解释 属性之间的关系 • 维度增加后 ，散点图数量 也几何级增长。 交互式选取感兴趣的属性进行 分析是常用的解决方案 /OECDregionalstatistics/#story 0 高维度的多元数据 表格透镜 是传统表格的扩展 ，将数值用 水平横条或是点来表示 ，因为 占用空间较少 ，可以显示大量 的数据和属性 ，并进行比较 /OECDregionalstatistics/#story 0 高维度的多元数据 平行坐标 采用相互平行的坐标轴 ，每个坐标轴代表数据的一个属性 ，因此每个数据对象对应于一条穿过所有坐标 轴的折线。 /OECDregionalstatistics/#story 0 高维度的多元数据 平行坐标 可以显示高维度的数据 ，还可以解释数据在每个属性上的分布 ，以及相邻两个属性之间的关系。 但是 ，对于非相邻属性之间关系的表现相对较弱。 交互的选取部分感兴趣的数据对象以及属性 ，并用高亮显示 ，是常见的解决方法。 正相关性 负相关性 弱相关性 高维度的多元数据 平行坐标 以上的例子中 ，数据在各个维度 上都是连续的数值 ，如果是类别 型数据 ，通常将坐标轴平均的分 成若干等分 ，并连接对应的等分 点。 右图是泰坦尼克号沉船事故中乘 客信息的例子 ，包括三个维度 ， 乘客的船舱等级 ，性别以及是否 遇难的三维数据。 资料来源：/parallel-sets 高维度的多元数据 l 图标法 星形图 又称为雷达图 ，可以 看成平行坐标的极坐 标版本 ，多元数据的 每一个属性由一个坐 标轴表示 ，每个坐标 轴上点的位置和数据 属性的值决定 ，折现 连接所有坐标轴上的 点 ，围城一个星形区 域。 /2012/03/14/reference-lines-for-star- plots-aid-interpretation/