數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)導(dǎo)論-第4章-數(shù)據(jù)可視化

數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)導(dǎo)論第4章數(shù)據(jù)可視化4.1可視化的定義

數(shù)據(jù)可視化是指利用計(jì)算機(jī)圖形學(xué)等技術(shù)，將數(shù)據(jù)通過圖形化的方式展示出來，直觀地表達(dá)數(shù)據(jù)中蘊(yùn)含的信息、規(guī)律和邏輯，便于用戶進(jìn)行觀察和理解。數(shù)據(jù)可視化是數(shù)據(jù)探索以及發(fā)現(xiàn)有價(jià)值的知識(shí)的手段。

數(shù)據(jù)可視化的優(yōu)點(diǎn)如下。（1）數(shù)據(jù)可視化用更直觀的圖形化的表現(xiàn)形式進(jìn)行信息摘要。（2）數(shù)據(jù)可視化通過交互的方式，幫助用戶對(duì)數(shù)據(jù)進(jìn)行探索，發(fā)現(xiàn)數(shù)據(jù)里面隱藏的模式，獲得對(duì)數(shù)據(jù)的洞察力和理解。4.2可視化發(fā)展歷程

在19世紀(jì)，隨著計(jì)算機(jī)圖形學(xué)技術(shù)的發(fā)展，以及社會(huì)對(duì)數(shù)據(jù)應(yīng)用和分析需求的增加，加速了以統(tǒng)計(jì)圖表等為特征的現(xiàn)代數(shù)據(jù)可視化的誕生。這個(gè)時(shí)期的數(shù)據(jù)可視化圖表包括散點(diǎn)圖、直方圖、極坐標(biāo)圖以及時(shí)間序列圖等統(tǒng)計(jì)圖表，以及以主題地圖為代表的主題圖，其中的典型代表是JohnSnow醫(yī)生制作的用于展示1854年倫敦霍亂爆發(fā)的主題地圖，如圖4.1所示。圖4.11854年倫敦霍亂地圖

隨著各行各業(yè)對(duì)數(shù)據(jù)的重視程度與日俱增，隨之而來的是對(duì)數(shù)據(jù)進(jìn)行一站式整合、挖掘、分析、可視化的需求日益強(qiáng)烈，因此也誕生了一批以數(shù)據(jù)可視化分析為主要業(yè)務(wù)的公司。如2003年成立的Tableau公司，其愿景是使用可視化工具與其他工具，讓數(shù)據(jù)能夠更好地被理解，讓企業(yè)能夠把握不斷增長(zhǎng)的數(shù)據(jù)流，促進(jìn)數(shù)據(jù)發(fā)現(xiàn)，進(jìn)而幫助人們進(jìn)行更加合理的決策。

Tableau公司網(wǎng)站的主頁(yè)如圖4.2所示。圖4.2Tableau公司網(wǎng)站的主頁(yè)4.3可視化的意義和價(jià)值

可視化的特點(diǎn)是直觀、美觀、可交互。圖4.3ManuCornet繪制的國(guó)際知名公司的組織結(jié)構(gòu)圖圖4.4某院校部分課程的學(xué)生平均成績(jī)與課程教學(xué)評(píng)估的分?jǐn)?shù)及其散點(diǎn)圖4.4數(shù)據(jù)可視化的流程

圖4.5所示的原始數(shù)據(jù)中包含一批互聯(lián)網(wǎng)新聞，每篇新聞中包含幾百至幾千字的報(bào)道內(nèi)容。對(duì)于這些內(nèi)容，很難直接進(jìn)行可視化。在可視化之前，可以先通過命名實(shí)體抽取和話題挖掘，統(tǒng)計(jì)分析出這些新聞中包含的熱門話題及其相應(yīng)的頻度，然后采用合適的圖表對(duì)挖掘出來的這些結(jié)果和知識(shí)進(jìn)行可視化。圖4.5互聯(lián)網(wǎng)新聞及其可視化4.5常見可視化圖表

常見的統(tǒng)計(jì)圖表有柱狀圖、折線圖、餅圖、散點(diǎn)圖、氣泡圖、雷達(dá)圖等，此外還有漏斗圖、樹圖、熱力圖、關(guān)系圖、詞云圖、事件河流圖、日歷圖等。圖4.6開課班級(jí)數(shù)年度對(duì)比4.5.1柱狀圖

柱狀圖適用于二維數(shù)據(jù)集（每個(gè)數(shù)據(jù)點(diǎn)包括兩個(gè)值：x和y），但只有一個(gè)維度需要比較，用于顯示一段時(shí)間內(nèi)的數(shù)據(jù)變化或各項(xiàng)之間的比較情況。圖4.7是一個(gè)實(shí)例的柱狀圖，從該圖中可以很容易看出副教授的教學(xué)工作量（授課門數(shù)）要高于教授和講師。圖4.7示例柱形圖4.5.2折線圖

折線圖一般在按照時(shí)間序列分析數(shù)據(jù)的變化趨勢(shì)時(shí)使用，適用于較大的數(shù)據(jù)集。在通常情況下，折線圖的x軸設(shè)定為時(shí)間（或者有大小意義的其他值），y軸設(shè)定為其他指標(biāo)值。分析數(shù)量、比例等指標(biāo)整體變化趨勢(shì)時(shí)多用折線圖。圖4.8示例折線圖4.5.3餅圖

餅圖一般在指定一個(gè)分析軸進(jìn)行所占比例的比較時(shí)使用，只適用于反應(yīng)部分與整體之間的關(guān)系，部分之間的對(duì)比不強(qiáng)烈，如圖4.6所示。4.5.4散點(diǎn)圖

散點(diǎn)圖主要用于當(dāng)數(shù)據(jù)中有兩個(gè)以上維度需要比較的時(shí)候使用。散點(diǎn)圖有時(shí)也用來展示數(shù)據(jù)中兩個(gè)維度之間的關(guān)聯(lián)關(guān)系。圖4.4中展示了一個(gè)散點(diǎn)圖。4.5.5雷達(dá)圖

雷達(dá)圖可以從不同角度對(duì)比數(shù)據(jù)之間的差異，一般來說，雷達(dá)圖中實(shí)際展示的數(shù)據(jù)點(diǎn)不超過6個(gè)，否則各數(shù)據(jù)點(diǎn)之間重疊會(huì)導(dǎo)致不容易觀察到數(shù)據(jù)之間的差異。圖4.9所示為兩個(gè)學(xué)者的行為畫像。從該圖中可以很容易看出學(xué)者一和學(xué)者二的差異。學(xué)者一的社交性和多樣性高于學(xué)者二，而學(xué)者二的核心學(xué)術(shù)成果（論文數(shù)、引用數(shù)等）明顯高于學(xué)者一。圖4.9某兩個(gè)學(xué)者的學(xué)術(shù)畫像雷達(dá)圖4.6可視化圖表工具

傳統(tǒng)的可視化工具包括微軟公司的Excel，新一代的支持互聯(lián)網(wǎng)數(shù)據(jù)可視化的工具有ECharts、HighChart、D3、GoogleCharts等。Python的第三方庫(kù)matplotlib是通過代碼進(jìn)行可視化圖表制作的另一種選擇。1．Excel

利用Excel可以制作簡(jiǎn)單的折線圖、柱狀圖等。在Excel中選擇需要進(jìn)行可視化的數(shù)據(jù)，單擊“插入”選項(xiàng)卡中的“圖表”按鈕，從“圖表”中選擇一個(gè)合適的圖表樣式，或者從“所有圖表”中選擇一個(gè)自己喜歡的圖表即可創(chuàng)建圖表，如圖4.10所示。Excel提供了非常靈活多樣的配置功能，圖表中的線條、文字、填充等樣式都可以進(jìn)行修改。圖4.10Excel提供的圖表2．ECharts

ECharts源自百度，目前是由Apache孵化器贊助的Apache開源基金會(huì)孵化項(xiàng)目。ECharts是一個(gè)使用JavaScript實(shí)現(xiàn)的開源可視化庫(kù)，可以流暢地運(yùn)行在PC和移動(dòng)智能設(shè)備上，兼容當(dāng)前絕大部分瀏覽器（IE8/9/10/11、Chrome、Firefox、Safari等），底層依賴矢量圖形庫(kù)ZRender，提供直觀、交互豐富、可高度個(gè)性化定制的數(shù)據(jù)可視化圖表。

ECharts的界面如圖4.11所示。圖4.11ECharts的界面3．matplotlib

matplotlib是Python下2D繪圖中使用最廣泛的套件之一。它能讓用戶輕松地將數(shù)據(jù)圖形化，并且提供多樣化的輸出格式。matplotlib以各種硬拷貝格式和跨平臺(tái)的交互式環(huán)境生成出版物質(zhì)量級(jí)別的圖形，支持繪制折線圖、散點(diǎn)圖、等高線圖、條形圖、柱狀圖、3D圖形等。關(guān)于matplotl