Words&Contents
Home | Interactive Visual Data Analysis
Book Outline
这本书对视觉、互动和分析方法进行了系统而全面的概述,作为数据可视化方面比较好的读物;
目录
1.1 Visualization ,Interaction , and Computation
1.2 Five Ws of Interactive Visual Data Analysis
2.2 Enhancing the Data Analysis
2.3 Consider Advanced Techniques
(一)Introduction
信息时代,数据已经变成了一个非常有价值的商品,我们如何 make sense of data ? 如何利用分析数据从而得出一些有价值的信息?
1.Basic Considerations
对可视化的一些基本的术语给予一些认识:
1.1 Visualization ,Interaction , and Computation
这个定义我认为对整个可视化的概括的更加全面,不仅仅是一次性的绘制图,而是随着insigt的揭露进行交互来不断探究;
1.2 Five Ws of Interactive Visual Data Analysis
为了开发出有效的数据分析工具,必须考虑到该工具的使用环境。因而我们遵循five W的变体来进行探究:Ws: What, why, who, where, and when.
(1)What data are to be analyzed?
有许多中类型的数据,针对不同类型的数据有个体特征,例如数据规模、维度和异质性;
(2)Why are the data analyzed?
帮助人们实现目标,而对于目标即包含多种分析任务,例如识别数据值或者根据数据设定相关的模式;
(3)Who will analyze the data?
这个暂时个人理解是决策者才是需要分析数据的;
(4)Where will the data be analyzed?
普通的工作场所当然是具有显示器、鼠标和键盘的经典桌面设置。然而,也有大型的显示墙和交互式表面,为交互式可视化数据分析提供了新的机会。
(5)When will the data be analyzed?
绝大数是根据自身的需求所决定;
这5个Ws表明了数据分析的工具往往会受到多个因素的影响,对于What和Why这两个因素的影响往往是至关重要的,这往往决定了我们的工作必须是针对某一个任务,即是定制的,不通用的。同时Who,即主观的因素,感知能力、认知、背景知识和专业等也会影响视觉驱动和交互控制的工具。Where和When这两个因素,影响不太大,但是当我们考虑到数据分析要在多个异构显示上运行、支持协作会话或遵循针对特定领域的工作流时,这两个因素可以起到很重要的作用,并且能够使得工作具有更大的亮点,使得更加的专业。
2.introductory Examples
从一些基础的可视化表示到一些高级的分析场景,不仅给出了交互式可视化的强大能力,并且也分析了设计的决策和挑战。
2.1 Start Simple
一个简单的例子,主要是针对于雨果《悲惨世界》中的人物关系图,这种一般graph可以采用Node-Link diagram,只有图表的结构很难把其中的关系显示出来。图中,每一个人物被可视化为一个节点,人物之间的关系表示为边,这样能够比较明显的表示该数据集中的关系。
针对每一个人物,根据数据集中表示的属性,其中每个节点根据id来进行识别,对于边来说,有权重、边的起点和终点。因此,在图中,边的连接往往决定了节点人物的重要性,因而用颜色来进行编码节点的度,当节点的度数越高,此时也用节点的大小来突出重要的人物;针对边的权重这个性质,我们使用边的宽度来表示,当边的权重越高,说明这个关系较为重要,则边越宽;
notes: 这里的布局主要采用的是强制定向布局算法(Force-directed Layout Algorithm),也称为是力导向布局算法,是一种常用于图形和网络可视化的布局算法怕,它模拟了物理系统中的力和运动原理,通过相互作用的力来确定节点的位置。
2.2 Enhancing the Data Analysis
上述的算法对于较为简单的数据集是非常好的,但是数据集相对复杂的时候就难以展示了,例如 climate networks,节点数量以及边的连线会导致视觉混杂的问题;
2.3 Consider Advanced Techniques
综上两个小节,使用了动态过滤和多个视图来对整个数据集有一个较为全面的overview,但是,使用交互式可视化分析数据也会有一些局限。可视化必须适应可用的显示空间。交互不应该让用户做太多的事情。分析计算必须及时地产生结果。
当我们考虑到这两个限制的时候,想出了两个方法:
(1)指导用户进行数据分析;
Some Questions are valued to be answered.
(2)扩大屏幕空间可视化。
可以考虑使用多个显示屏或者多个用户共同协作的方式来解决;
3.Book Outlines(见第一部分)
参考: