数据可视化笔记5 时间数据可视化

概括
时间数据的趋势性、周期性、季节性、随机波动
时间序列差分、分解、相关性、自相关
时间数据可视化设计的三个维度：表达维度、比例维度、布局维度
离散时间序列可视化、连续时间序列可视化

时间数据概念
-我们常说的时间数据（time data），有时也称时态数据（temporal data），简单来说就是指随时间变化的数据
-时间戳（time stamp）数据表示在某个时间点状态的数据，是大数据时代的典型特征之一，比如网站的网页日志就是典型的时间戳数据
-时间序列（time series）数据，指按照时间顺序把事物的变化发展记录下来的数据，研究随时间变化发展的规律，常用于金融建模和预测
本节重点介绍时间序列数据的可视化

时间序列数据：随着时间变化，带有时间属性

顺序型数据：不以时间为变量，但是有内在的排列顺序

时间数据的趋势性、周期性、季节性、随机波动

趋势性（Trend）
有时也称作是变化方向，指在较长一段时间上数据呈现上升或下降的规律
季节性（Seasonal）
当时间序列受季节性因素影响时会呈现季节性模式，季节性指固定且已知的频率，可以是一年中的变化，也可以指或一周中的变化

图为1949年至1960年月度国际航班人数折线图，我们可以发现，从趋势性上看，国际航班人数持续增长；从季节性看，每年的情况呈现类似的模式，前三季度国际航班人数持续增加，但在最后一季度都会迎来大幅下降。

周期性（Cyclic）
当数据不是以固定频率上升或下降时，就会发生一个周期，周期的持续时间通常至少为2年

图为1973至1995年美国月度家庭新房销售情况，我们可以发现，该时间序列无明显趋势性；从季节性看，每年的情况呈现类似的模式；从周期性看，每6-10年呈现类似的模式。
许多人将周期性与季节性混为一谈，但它们其实完全不同：如果波动不是固定频率，则它们是周期性的; 如果频率不变并且与日历的某些方面相关联，则该模式是季节性的
通常，周期的平均长度比季节的长度长

随机波动（Random fluctuations）
如果时间序列数据没有呈现明显的趋势性、季节性或周期性，则可以认为数据是随机波动的