大数据可视化基础教程.pptx

第1章 数据可视化概述;主要内容;什么是数据（泛指）;什么是数据（特指）;什么是信息;信息可视化;三个主要方面;三个主要方面;三个主要方面;数据可视化的发展历史;数据可视化的发展历史;数据可视化的发展历史;数据可视化的发展历史;数据可视化的发展历史;数据可视化的发展历史;数据可视化的发展历史;大数据可视化的分类;科学可视化;信息可视化;信息可视化;可视分析学;可视分析学;可视分析学;数据可视化作用;记录信息;分析推理;信息传播与协同;大数据产生的问题;数据可视化的优势;数据可视化的优势;数据可视化的优势;数据规模大，已超越单机、外存模型甚至小型计算集群处理能力的极限，而当前软件和工具运行效率不高，需探索全新思路解决该问题。 在数据获取与分析处理过程中，易产生数据质量问题，需特别关注数据的不确定性。 数据快速动态变化，常以流式数据形式存在，需要寻找流数据的实时分析与可视化方法。 面临复杂高维数据，当前的软件系统以统计和基本分析为主，分析能力不足。 多来源数据的类型和结构各异，已有方法难以满足非结构化、异构数据方面的处理需求。;可视化技术与数据挖掘技术的紧密结合。数据可视化可以帮助人类洞察出数据背后隐藏的潜在规律，进而提高数据挖掘的效率，因此，可视化与数据挖掘紧密结合是可视化研究的一个重要方向。;可视化技术与人机交互技术的紧密结合。用户有自行地探索动态数据，创建报表，以及分享自己信息的需求。更好地实现人机交互、方便的控制数据是人类一直追求的目标。因此，可视化与人机交互相结合是可视化研究的重要发展方向。而且近些年移动终端的快速发展，随时随地提供可视化数据访问与交互已经成为了商业可视化产品的一大卖点。;可视化技术广泛应用于大规模、高维度、非结构化数据的处理与分析。目前，我们处在大数据时代，大规模、高维度、非结构化数据层出不穷，若将这些数据以可视化形式完美地展示出来，将提高可视化技术展示抽象信息、解决复杂决策问题的能力。因此，可视化与大规模、高维度、非结构化数据结合是可视化研究的一个重要发展方向。;The End 谢??！;第1章 数据可视化拓展;主要内容;一、数据可视化的基本流程;1、数据采集;1、数据采集;1、数据采集;2、数据处理和变换;2、数据的处理和变换;2、数据的处理和变换;3、可视化映射;3、可视化映射-可视化空间; 标记，是数据属性到可视化几何图形元素的映射，用来代表数据属性的归类。 根据空间自由度的差别，标记可以分为点、线、面、体，分别具有零自由度、一维、二维、三维自由度。如我们常见的散点图、折线图、矩形树图、三维柱状图，分别采用了点、线、面、体这四种不同类型的标记。; 数据属性的值到标记的视觉呈现参数的映射，叫做视觉通道，通常用于展示数据属性的定量信息。 常用的视觉通道包括：标记的位置、大小（长度、面积、体 积...）、形状（三角形、圆、立方体...）、方向、颜色（色调、饱和度、亮度、透明度...）等。 「标记」、「视觉通道」是可视化编码元素的两个方面，两者的结合，可以完整的将数据信息进行可视化表达，从而完成可视化映射这一过程。;4、人机交互;常见的交互方式包括： （1）滚动和缩放：当数据在当前分辨率的设备上无法完整展示时，滚动和缩放是一种非常有效的交互方式，比如地图、折线图的信息细节等。但是，滚动与缩放的具体效果，除了与页面布局有关系外，还与具体的显示设备有关。 （2）颜色映射的控制：一些可视化的开源工具，会提供调色板，如D3。用户可以 根据自己的喜好，去进行可视化图形颜色的配置。这个在自助分析等平台型工具中，会相对多一点，但是对一些自研的可视化产品中，一般有专业的设计师来负责这项 工作，从而使可视化的视觉传达具有美感。; （3）数据映射方式的控制：这个是指用户对数据可视化映射元素的选择，一般一个数据集，是具有多组特征的，提供灵活的数据映射方式给用户，可以方便用户按照自己感兴趣的维度去探索数据背后的信息。这个在常用的可视化分析工具中都有提供，如 tableau、PowerBI等。 （4）数据细节层次控制：比如隐藏数据细节，hover或点击才出现。;5、用户感知;二、数据可视化案例分析;二、数据可视化案例分析——身边的案例;实验的数据处理： Origin，matlab等软件作图;约翰霍普金斯大学的新冠疫情可视化统计：;三、案例展示——优秀案例;美国风图： 它实时显示了美国所有当前的风速和方向。 这是直观设计的一个很好的例子：速度由缓慢或快速移动的线条表示，方向由线条移动的方向表示。;谷歌感恩节航班： 这是一种在给定时间内，将太空中移动的东西进行可视化的好方法。这个由Google趋势提供支持，该趋势跟踪了感恩节前一天飞往美国的航班。从第一天开始，随着时间的推移像电影一样播放，显示在全国各地移动的航班。在