高教社唐九阳大数据技术基础教学课件第8章 可视化展示.pptxVIP

大数据技术基础第八章 可视化展现内容大纲可视化主要类型可视化基本模型数据交流常用方法典型数据可视化生成方法可视化案例分析可视化主要类型狭义上，数据可视化与信息可视化、科学可视化、可视分析学一起，是可视化理论的重要组成部分，特指用来处理统计图形、抽象的地理信息或概念模型的空间数据。广义上，数据可视化是信息可视化、科学可视化、可视分析学等可视化理论的泛称，其处理对象可以可见。为了在数据科学中综合运用可视化技术，本章主要采用广义的定义方法。可视化主要类型科学可视化（Scientific Visualization）是可视化领域最早出现的也是最为成熟的一个研究领域。根据科学数据的特征，科学可视化可分为以下几种。标量场可视化：标量指单个数值，即在每个记录的数据点上有一个单一的值，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。可视化主要类型向量场可视化：与标量场可视化不同的是，量场在每个采样点处都是一个向量（一维数据组）。向量代表某个方向或趋势，例如风向等。张量场可视化：张量是向量的延伸，标量是0阶张量，而矢量是1阶张量，即基于纹理、几何和拓扑的可视化方法。可视化基本模型线性模型1990 年 Robert B. Haber 和 David A. McNabb 提出了一套线性模型。可看出，线性模型所表示的可视化工作是从原始数据（raw data）到图像数据（image data）的一系列转换过程，会涉及到4种处理活动和3类中间数据。4种处理活动：数据的分析（analysis）、过滤（filtering）、映射（mapping）和绘制（rendering）。3种中间数据：就绪数据（prepared data）、焦点数据（focus data）和几何数据（geometric data）。可视化基本模型循环模型随着可视化技术的深人发展，人们逐渐意识到了“信息反馈”和“用户交互”在可视化中的重要地位。缺少了人的因素的可视化技术是不完整的，与线性模型相比，循环模型打破了人们对数据可视化的线性思维模式，其主要变化体现在以下3个方面。1）重视信息反馈。循环模型的不同阶段之间增加了信息反馈活动，打破了人类对数据可视过程的线性式思维模式，强调了可视化是一种不断优化的循环渐进的非线性过程。2）突出用户交互。循环模型将“人”放在整个模型的中心，强调了“人”在可视化操作过程中的主动性和交互性。3）强调任务导向。循环模型还强调了可视化工作应具备显著的任务导向性。可视化基本模型分析模型在可视分析模型的流程中起点是输入的数据，终点是提炼的知识。同样，从数据到知识，知识再到数据，数据再到知识的循环过程。从数据到知识有两个途径：交互的可视化方法和自动的数据挖掘方法。可视分析学的流程具有如下特点：（1）强调数据表示和转化过程。 （2）强调可视化分析与自动化建模之间的相互作用。（3）强调数据映射和数据挖掘的重要性。（4）强调数据预处理工作的必要性。（5）强调人机交互的重要性数据交流常用方法从方法体系看，数据可视化的常用方法可以分为3个不同层次。方法论基础：主要是指“视觉编码方法论”。“视觉编码方法论”为其他数据可视化方法提供了方法学基础，奠定了数据可视化方法体系的理论基础。基础方法：一些共性的通用方法，包括统计图表、图论方法、视觉隐喻和图形符号学等。领域方法：以上述可视化方法为基础面向特定领域或任务范围。数据交流常用方法视觉编码数据可视化的本质是视觉编码。视觉编码描述的是将数据映射到最终可视化结果上的过程。从视觉编码的实现方法看，一般涉及两个不同维度，即采用图形元素和视觉通道可分别描述可视化数据的质和量的特征。（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，如长度、面积、体积、透明度、模糊/聚焦、动画等。视觉通道的存在进一步刻画了图形元素，使同一个类型（性质）的不同数据有了不同的可视化效果。数据交流常用方法统计图表统计图表是数据可视化中最为常用的方法之一，主要用于可视化数据的统计特征。代表了一张图像化的数据，并经常以所用的图像命名，如饼图、柱形图、折线图、条形图、散点图等。饼图，是一个划分为几个扇形的圆形统计图表。在饼图中，每个扇形的弧长（以及圆心角和面积）大小，表示该种类占总体的比例。实现代码如下：import pandas as pd# --- dataset 1: just 4 values for 4 groups:df = pd.DataFrame([4,2,2,1], index=[a, b, c, d], columns=[x])# make the plotdf.plot(kind=pie, subplots=True, figsize=(8, 8))数据