数据可视化

数据是指对客观事件进行记录并可以鉴别的符号，主要记载客观事物的性质、状态以及相互关系。它是可识别的、抽象的符号。

数据不仅指狭义上的数字，还可以是具有一定意义的文字、字母、数字符 号的组合、图形、图像、视频、音频等，也是客观事物的属性、数量、位置 及其相互关系的抽象表示

信息是隐藏在数据背后的规律，需要人类的挖掘和探索才能够发现。信息是对事物的描述，它比数据更加抽象。

数据是信息和数据冗余之和，数据=信息+数据冗余。

数据和信息之间是相互联系的。数据是反映客观事物属性的记录，是信息的具体表现形式。数据经过加工处理之后，就成为信息；而信息需要经过数字化转变成数 据才能存储和传输。

可视化是利用计算机图形学和图像处理技术，将数据转换成图形或图像在屏幕上显示出来，再进行交互处理的理论、方法和技术。

数据可视化是对数据的一种形象直观的解释，实现从不同维度观察数据，从而得到更有价值的信息。

数据可视化的目的: 是对数据进行可视化处理，以使得能够明确地、有效地传递信息。
模式，指数据中的规律。

时变数据:可视化采用多视角、数据比较等 方法体现数据随时间变化的趋势和规律。
层次数据:可视化中，层次数据表达每个个体之间的层次关系。其数据本身就有层次结构的信息。
网络数据:不具备层次结构，关系更加复杂和自由。

数据可视化的目的：模式、关系、异常
数据可视化的原则：压缩信息、突出观点；信、达、雅
数据可视化的作用：记录信息、分析推理、信息传播与交流
数据可视化的分类：科学可视化、信息可视化、可视分析学

数据来源：用户提供的数据源 自己爬取数据 数据源资源

数据类型精简为3种：类别型数据、有序型数据和数值型数据(包括区间型数据和比值型数据)

数据可视化流程中的核心要素包括三个方面（1）数据表示和变换（2）数据的可视化呈现（3）用户交互。

判断某个视觉编码是否合适的因素包括：人的感知与认知， 数据本身的属性以及目标任务。

数据可视化框架4个层次：问题刻画层 抽象层 编码层 算法层

可视化设计标准：表达力强 有效性强 能简洁地传达信息 易用 美观

数据可视化基本要求：数据筛选 数据到可视化的直观映射 视图选择与交互设计 美学因素 可视化的隐喻 颜色与透明度

比较类 1、条目少—柱状图 2、条目多—条形图 3、看趋势—折线图 4、扩大差异—玫瑰图 5、多维度比较—双向条形图 6、目标达成—计量图 7、性能—雷达图
分布&联系 1、两个变量—散点图 2、多个变量—气泡图 3、结合地图—热力图
构成类 1、单层—饼图、环形图 2、分层—旭日图
其它 1、文本-词云图 2、多视图协同（可视化大屏）

格式塔原则 1、接近原则 2、相似原则 3、连续原则 4、闭合原则 5、共势原则 6、好图原则 7、对称原则 8、经验原则

美学因素:简单原则,平衡原则,聚焦原则
色相环中的原色是红、黄、蓝色
色彩的三要素：色相（色调）纯度（饱和度） 明度（亮度）

视觉通道的表现力和有效性判断标准：精确性 可辨性 可分离性 视觉突出

时间数据：按照时间顺序排列的一系列数据值

格式塔基本思想:视觉形象首先是作为统一的整体被认知的， 而后才是以部分的形式被认知。
接近原则:会把距离上相互靠近的元素视作一个整体。
相似原则:根据事物的相似性进行感知分组。
连续原则:沿着物体的边界，将不连续的物体视为连续的整体，以实物形象上的不连续使用户产生心理上的连续知觉。
闭合原则:把不完整的局部形象当作一个整体的形象来感知，这种知觉上的结束，称之为闭合。如果局部形象过于陌生或者简略，则不会产生整体闭合联想。
共势原则:物体具有沿着相似的光滑路径运动趋势或具有相似的排列模式时，将被识别为同一类物体
好图原则:人眼通常会消除复杂性和不熟悉性来理解被识别的物体，即将物体按简单、规则、有序的元素排列方式识别。
对称原则:人的意识倾向于将物体识别为沿某点或某轴对称的形状。
经验原则:视觉感知与过去的经验有关。如果两个物体看上去距离接近或者时间间隔小，那么它们通常被识别为一类。

柱状图优势：柱状图利用柱子的高度，反映数据的差 异，肉眼对高度差异很敏感。 劣势：柱状图的局限在于只适用中小规模的数 据集:
条形图:优势：每个条都清晰表示数据，直观
折线图:优势：容易反应出数据变化的趋势 缺点:如果我们重点关注趋势线将更难看到和探讨离散的数据点太多的趋势线使得人们很难看到任何单根的线。
饼图:优势 明确显示某个部分占整体的比例情况。劣势 不会具体的数值，只是整体的占比饼图情况。在强调各部分对比分析的时候，应 该优先选择条形图。
散点图:优势：这种空间方法可以很容易地看到相关、负相关、集群和异常值。劣势：显示多个类别看上去非常混乱。