大數(shù)據(jù)可視化技術(shù)-關(guān)系數(shù)據(jù)可視化

關(guān)系數(shù)據(jù)可視化主要內(nèi)容1.關(guān)系數(shù)據(jù)在大數(shù)據(jù)中的應(yīng)用2.數(shù)據(jù)的關(guān)聯(lián)性3.數(shù)據(jù)的分布性1.關(guān)系數(shù)據(jù)在大數(shù)據(jù)中的應(yīng)用大數(shù)據(jù)的一個(gè)重要價(jià)值是可以幫助我們找到變量之間的聯(lián)系，發(fā)掘事物背后的因果。在進(jìn)行大數(shù)據(jù)挖掘前的重要一步就是探索變量的相關(guān)關(guān)系，進(jìn)而才能探索背后可能隱藏著的因果關(guān)系。分析數(shù)據(jù)時(shí)，我們不僅可以從整體進(jìn)行觀察，還可以關(guān)注數(shù)據(jù)的分布，如數(shù)據(jù)間是否存在重疊或者是否毫不相干？還可以從更寬泛的角度觀察各個(gè)分布數(shù)據(jù)的相關(guān)關(guān)系。其實(shí)最重要的點(diǎn)，就是數(shù)據(jù)在進(jìn)行可視化處理后，呈現(xiàn)在讀者眼前的圖表所表達(dá)的意義是什么。關(guān)系數(shù)據(jù)具有關(guān)聯(lián)性和分布性。下面通過實(shí)例具體講解關(guān)系數(shù)據(jù)，以及如何觀察數(shù)據(jù)間的相關(guān)關(guān)系。2.數(shù)據(jù)的關(guān)聯(lián)性事物之間的關(guān)聯(lián)性是比較容易被發(fā)現(xiàn)的，但是關(guān)聯(lián)并不代表存在因果關(guān)系。比如，大豆的價(jià)格上漲，豬肉的價(jià)格可能也會(huì)上漲，但是大豆的價(jià)格上漲可能不是豬肉上漲的原因。盡管如此，關(guān)聯(lián)性還是能給我?guī)砭薮蟮膬r(jià)值的，比如大豆的價(jià)格已經(jīng)上漲了，那我們就可以抓緊時(shí)間囤一些豬肉，這樣往往能省下一筆錢，至于背后是否存在因果關(guān)系，就沒那么重要了。大數(shù)據(jù)可視化就是在告訴我們分析結(jié)果是“什么”，而不是“為什么”.2.數(shù)據(jù)的關(guān)聯(lián)性數(shù)據(jù)的關(guān)聯(lián)性，其核心就是指量化的兩個(gè)數(shù)據(jù)間的數(shù)理關(guān)系。關(guān)聯(lián)性強(qiáng)，是指當(dāng)一個(gè)數(shù)值變化時(shí)，另一個(gè)數(shù)值也會(huì)隨之相應(yīng)地發(fā)生變化。相反地，關(guān)聯(lián)性弱，就是指當(dāng)一個(gè)數(shù)值變化時(shí)另一個(gè)數(shù)值幾乎沒有發(fā)生變化。通過數(shù)據(jù)關(guān)聯(lián)性，就可以根據(jù)一個(gè)已知的數(shù)值變化來預(yù)測(cè)另個(gè)數(shù)值的變化。下面通過散點(diǎn)圖、散點(diǎn)圖矩陣、氣泡圖等來研究這類關(guān)系。2.1散點(diǎn)圖變量間一般有三種關(guān)系：正相關(guān)、負(fù)相關(guān)和不相關(guān)，如圖所示。正相關(guān)時(shí)，橫軸數(shù)據(jù)和縱軸數(shù)據(jù)變化趨勢(shì)相同；負(fù)相關(guān)時(shí)，橫軸數(shù)據(jù)和縱軸數(shù)據(jù)變化趨勢(shì)相反；不相關(guān)時(shí)散點(diǎn)的排列則是雜亂無章的。在統(tǒng)計(jì)學(xué)中有更科學(xué)的方法（比如相關(guān)系數(shù)）衡量?jī)蓚€(gè)變量的相關(guān)性，但是散點(diǎn)圖往往是判斷相關(guān)性的最簡(jiǎn)單、直觀的方法，在計(jì)算相關(guān)系數(shù)前通常依靠散點(diǎn)圖作出初步判斷。2.2散點(diǎn)圖矩陣前面講解的散點(diǎn)圖，是用兩組數(shù)據(jù)構(gòu)成多個(gè)坐標(biāo)點(diǎn)，再通過觀察坐標(biāo)點(diǎn)的分布，判斷兩個(gè)變量之間是否存在某種關(guān)聯(lián)，或總結(jié)坐標(biāo)點(diǎn)的分布模式。但很多時(shí)候變量不止兩個(gè)，因此，應(yīng)同時(shí)考察多個(gè)（超過兩個(gè)）變量間的相互關(guān)系，但是若一一繪制它們之間的簡(jiǎn)單散點(diǎn)圖就十分繁瑣。此時(shí)就可以利用散點(diǎn)圖矩陣來同時(shí)繪制多個(gè)變量問的散點(diǎn)圖，這樣就可以快速發(fā)現(xiàn)哪些變量之間的相關(guān)性更高。這種方法在數(shù)據(jù)探索階段十分有用，其基本框架如圖所示。2.3氣泡圖氣泡圖和散點(diǎn)圖相比，多了一個(gè)維度的數(shù)據(jù)。氣泡圖就是將散點(diǎn)圖中沒有大小的“點(diǎn)“變成有大小的“圓”，圓的大小就可以用來表示多出的那一維數(shù)據(jù)的大小。氣泡圖讓我們可以同時(shí)比較三個(gè)變量，其基本框架如圖所示。一個(gè)具體的例子如圖5-4所示。二手車的價(jià)格由車齡和里程來決定，可以看出，兩個(gè)指標(biāo)越小，氣泡越大，代表價(jià)格越高，反之則反。3.1莖葉圖莖葉圖又稱“枝葉圖”，是由20世紀(jì)早期的英國統(tǒng)計(jì)學(xué)家阿瑟?鮑利（ArthurBowley）設(shè)計(jì)。1997年統(tǒng)計(jì)學(xué)家約翰托奇（JohnTukey）在其著作《探索性數(shù)據(jù)分析》（exploratorydataanalysis）中將這種繪圖方法介紹給大家，從此這種作圖方法變得流行起來。莖葉圖的思路是將數(shù)組中的數(shù)按位數(shù)進(jìn)行比較，將數(shù)的大小基本不變或變化不大的位作為一主干（莖），將變化大的位的數(shù)作為分枝（葉），列在主干的后面，這樣就可以清楚地看到每個(gè)主干后面的幾數(shù)，每個(gè)數(shù)具體是多少。莖葉圖是一個(gè)與直方圖相類似的特殊工具，但又與直方圖不同，莖葉圖保留原始資料的資訊，直方圖則失去原始資料的訊息。將莖葉圖莖和葉逆時(shí)針方向旋轉(zhuǎn)90度，實(shí)際上就是一個(gè)直方圖，可以從中統(tǒng)計(jì)出次數(shù)，計(jì)算出各數(shù)據(jù)段的頻率或百分比。從而看出分布是否與正態(tài)分布或單峰偏態(tài)分布逼近。3.2直方圖直方圖與莖葉圖類似，若逆時(shí)針翻轉(zhuǎn)莖葉圖，則行就變成列；若是把每一列的數(shù)字改成柱形，則得到了一個(gè)直方圖。直方圖又稱質(zhì)量分布圖，是數(shù)值數(shù)據(jù)分布的精確圖形表示。直方圖中的柱形高度表示的是數(shù)值頻率，柱形的寬度是取值區(qū)間。水平軸和垂直軸與一般的柱形圖不同，它是連續(xù)的；一般的柱形圖的水平軸是分離的3.3密度圖直方圖反映的是一組數(shù)據(jù)的分布情況，直方圖的水平軸是連續(xù)性的，整個(gè)圖表呈現(xiàn)的是柱形，用戶無法獲知每個(gè)柱形的內(nèi)部變化。而在莖葉圖中，用戶可以看到具體數(shù)字，但是要求比較數(shù)值間的差距大小并不是很明確。為了呈現(xiàn)更多的細(xì)節(jié)，人們提出了密度圖，可用它對(duì)分布的細(xì)節(jié)變化進(jìn)