数据视觉化的美丽之处.docx

数据视觉化的美丽之处摘要：数据可视化的主要目的是通过图形化手段进行清晰，有效的信息传递。数据可视化并不意味着为了功能而设计成无聊的功能性图表，也不意味着是为了美学形式而设计成炫目华丽的画面。为了有效地传达信息，美学形式和功能需要齐头并进，通过对海量的复杂数据进行分析，并以非常直观的视觉手段进行表达。然而，设计师常常无法取得美学形式和功能之间的平衡，以至于创造出一些华丽的可视化图表，却牺牲了其主要目的-信息的有效传递。 数据可视化与信息图形，信息可视化，科学可视化和统计图形有密切的关系。目前，数据可视化是一个在研究领域，教育领域，产品开发领域中非常活跃和重要的学科。数据可视化结合了已经相对成熟的科学可视化和新兴的信息可视化。关键词：数据可视化，直观有效，信息传递，图形化引言：超负荷的信息和过多的数据虽然能全面可靠的告诉人们一些信息，但是复杂的数字和文字总是让人们困扰迷惑。 而更多的用我们的眼睛，也就是把信息视觉化，我们就能看出其中的规律和联系然后再设计这些信息，让它更能有意义，或者让它来说明一个故事，或者让我们能只关注那些重要的信息。数据视觉化源于20世纪50年代的计算机图形学，计算机第一次根据数据生成了图形和图像。随着计算机性能的不断提高，建立更加庞大和复杂的数据模型成为可能，从而催生出了各种海量数据。随着发展，一些新兴的数据采集设备也产生了各种海量数据，如医用扫描仪，电子显微镜，这些数据以文字，数字及各种媒体形式保存起来。数据可视化的应用领域都非常广泛，无论是科研还是生活中，比如：地球资源的分析、地震勘测、石油勘测、航空航天、气象预报、武器研究，还有商业信息处理、财务管理、数字媒体、教育等等方面，都把海量的信息可视化，让人们一目了然，清晰明了，并能找出各种信息的联系之处，便于分析。在国内外，研究该技术的领域和机构也是数不胜数。如为核武器开发和发展提供支持的LOS ALAMOS实验室所研究的KARL-LEIENZ WINKLER视频动画系统，LAWRENCE LIVERRMORE实验室研究的MAGIC，GWS，美国的NCSA等等，而在国内，则有基于微机的可视化，基于工作站的可视化，超级计算可视化。1 数据可视化的来源数据视觉化源于20世纪50年代的计算机图形学，计算机第一次根据数据生成了图形和图像。该学科的兴起，始于1987年美国国家科学基金会的学术报告“科学计算的可视化”，作者是 Bruce H. McCormick, Thomas A. DeFanti 和 Maxine D. Brown。在这篇报告中强调了对“以新兴计算机技术为基础的视觉化手段”的需求。随着计算机性能的不断提高，建立更加庞大和复杂的数据模型成为可能，从而催生出了各种海量数据。此外，一些新兴的数据采集设备也产生了各种海量数据，如医用扫描仪，电子显微镜，这些数据以文字，数字及各种媒体形式保存起来。此时，非常需要应用先进的计算机图形技术来处理和可视化这些海量数据。“科学计算可视化”即后来的“科学视觉化”，最初仅指科学计算过程中的一部分，例如计算机建模中显示的模型，机械模拟中的仿真环境。今年来，在商业、财务、管理和数字媒体等领域出现了各种海量数据，数据可视化也正日益被这些领域所关注。20世纪90年代初产生一项名为信息视觉化的新兴研究，为不同应用领域中的海量信息处理提供支持。因此，“数据可视化”一词同时被科学领域和信息视觉化领域所接受。 自此，数据视觉化作为一个不断发展的概念，其影响范围不断扩大，因此对它的定义最好是相对灵活的广义界定。数据视觉化指的是一种先进的技术，利用图形学，图像处理，计算机视觉，用户界面等方式，通过表达，模型，物理展示，界面交互，动画等形式视觉化的解释数据。数据可视化，其核心就在于把海量的文字、数字信息转换成图形界面，向人类展示出来，可以很方便快速地看出其中的联系，主次关系，便于分析处理和记忆。在日常生活中，也有很多类似的例子：我们向别人展示一个书店各类图书的销售量，如果是普通的数据，并不能很快的让人感受到效果，但如果改成图形的形式，并把原始的数据改成百分比，那么很容易就能看出来，哪种书最受欢迎，哪种书并不好卖。再比如，要向别人展示太阳和地球的大小关系，如果只是给出他们的半径或者体积大小的数据，那么很难理解到底有什么样的关系，但如果直接给出两者的球体图，那么即使不给出数据也能让人一目了然。这就是为什么我们要研究数据可视化。在更大的领域，比如医学上的心电图，比如科学中的地壳活跃程度，比如商业中的股市走势，比如教育中的成绩分析，都离不开数据可视化。2 数据可视化的实现初始的数据可视化是单一地从视觉设计、数据挖掘、图像设计和信息视觉化等领域获取解决方案，但在当前日益复杂的数据面前，这种单一的解决方案已无法满足用户的需求。例如：视觉设计，通过把数据映射到一个视觉表上，很难表述怎么处理成千上万的数据项；数据挖掘有能力解决视觉设计不能完成的工作，但在与数据的交互方面无能为力；基于软件的信息视觉化能够增加和各种形式的抽象数据的交互来表述这些数据，但这种方法低估了视觉设计中的美学原理，无法将视觉设计作为一种有效的交流方式吸收进来。如果要很好地实现数据可视化，必须将以上几个领域统一起来。整个过程由以下7个步骤组成：1.获取：得到数据，无论是数据库的表或者来自网络上的源文件。数据获取，又称为野数据采集，是指对现实世界进行采样，以便产生可供计算机处理的数据的过程。这个过程可以极度复杂，例如：从一个大型系统中收集有用的数据；但也可以非常简单：读取一个可用的文本文件。在收集数据不困难的情况下，人们习惯一开始就着手积累一些海量的数据，但过多的数据不但对真实反映事物没有明显的帮助，还会让人淹没在数据中，不知所措。寻找最小的数据集来揭示数据集内容中的意义，是获取数据应当遵循的原则，确保数据的质量。在获取的数据集中有太多的坏数据，不但导致整个展现工作毫无意义，甚至对用户产生误导，因此获取优质数据是数据可视化的基础。2.分析：为数据的意义构造一个结构图，并按分类排序。在获取数据后，所得数据需要被分析转换，让数据按照其使用目的标示格式。在这阶段，数据被分为独立的列，每一列都被格式化为将在数据转换过程中处理的数据格式。3.过滤：删除多余的，只保留感兴趣的数据。过滤就是删除数据中不使用的部分，在数据可视化的获取阶段，过多冗余数据是有害处的，要求在获取阶段就尽量减少冗余数据。但有些数据只有通过分析和表示，才能判断它们是否有冗余。因此我们在分析和挖掘的步骤之间增加过滤操作，删除冗余数据。4.挖掘：应用数学、统计学或数据挖掘方法来辨析数据格式。挖掘是在大量的数据中寻找某种规律的行为，涉及数学、统计和数据挖掘等多种学科的知识。在数据可视化过程中，挖掘是一个重要步骤，通过它才能在一堆杂乱的数据集中，找出规律，为数据表示提供有组织的数据，让数据对于用户变的有意义。所以，挖掘是可视化的灵魂。5.表述：选择一个基本的视觉模型。比如一个条形图、列表或树状结构图。表示将数据集中的数据，按照挖掘得到的规律，以一定的格式映射显示。可视化设计者在该阶段，需要结合用户的需求，找出数据的主要描述属性，选择最佳的可视化显示方式。数据的表示是一个关键环节，因为该步骤完成后，你可以重新审视早期所完成的工作质量，判断是否达到需求，如果不符合要求，可以返回各步骤重新处理。6.修饰：改善基本的表述方法。使它变得更加清晰和更容易视觉化。数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通信息。因此可视化的美学形式与功能需要齐头并进，直观地传达信息的关键方面与特征，从而实现对于数据集的深入洞察。设计人员往往并不能很好地把握设计与功能之间的平衡，常常要么创造出华而不实的可视化形式，要么展现的图形粗鄙简陋或者过于杂乱，让用户难于解读。可以说设计人员如何协调两者的关系，是数据可视化能否成功的重要因素。7.交互：增加方法来操作数据或控制其可见的特性。在交互部分，用户能够控制和探索数据。用户通过交互在已有的数据集中选择子集或者改变观察数据角度，关注自身感兴趣的内容，获取最大信息量。3 数据可视化的应用前景不论是我国，还是国外，数据可视化的应用已经深入到了方方面面。医学、地质、海洋、气象、航空航天、武器研究、商业政务、教育生活各个方面，影响颇深。该技术的发展，还大大促进了虚拟现实技术的发展。这二者相结合，一方面，能大大增强使