大数据技术及应用 第2版 课件 第8章 大数据可视化技术

第8章大数据可视化技术

数据可视化应用010203可视化原则、重要性、发展历程可视化分析工具、编程工具医学、金融、电信等行业主要内容

数据可视化工具

数据可视化概述可视化概述

数据可视化是指将枯燥无趣的数据通过图表形式表示出来，使之变得生动、有趣。数据可视化不仅有助于简化人们的分析过程，也在很大程度上提高了分析数据的效率，发现数据中隐含的价值，从而实现简洁高效地传达信息。

数据可视化是一门综合艺术、计算机、统计、心理学的学科，利用计算机图形学和图像处理技术将大型集中的数据以图表形式表示，并进行交互处理的理论、方法和技术。根据数据的特性，以直观、生动、易理解的方式将数据呈现出来。010102030405理解数据明确目的注重比较建立指标简单法则数据源可靠、实用、完整、真实且可更新。数据可展现的价值。结合业务背景建立数据对比指标，进行深层次的思考。数据的使用者，起到的作用，达到的效果及呈现的结果。比较不仅在于量的呈现，更能够看到问题所在。通常同比使用较多。用户第一，专注简单的设计方法，使之前无法触及的内容易于解读，并赋有意义和指导性。数据可视化原则艺术性符合审美规则，引起读者兴趣，提升体验。06有助于理解数据的深层含义，有效参与数据分析过程，提升分析效率，改善分析效果。获取数据更多的有用信息，提出更好的解决方案，提高生产力，是信息价值最大化。使读者快速消化和吸收数据内容，提高理解数据的效率，增强读者兴趣。获取数据间联系与区别有效利用数据增强数据的吸引力数据可视化重要性•••大数据时代全新发展阶段20世纪50年代，随着计算机出现及计算机图形学发展，可在计算机上绘制图形。海量大规模、高维度、非结构化数据层出不穷，人类开始有意识地收集数据，用图形描绘量化信息。高分高清大屏幕拼接可视化技术出现，并应用于地理信息系统、数据挖掘分析、商务智能工具等，使用者可更加方便地进行数据的理解和空间知识的呈现。数据可视化发展历程起源不断变革用户可以直接进行点击或者拖拽等进行数据可视化。用户调用其中的可视化工具包，进行简单的代码编写，以实现数据可视化。数据可视化工具02可视化分析工具可视化编程工具协作能力分析能力数据处理多种数据源实时简单快速开发、易于操作，并能对数据信息实时更新。可接入各种系统和数据文件，包括文本文件、数据库及其他外部文件。高效、便捷地帮用户处理含有噪声、不完整，甚至不一致的数据。实现对图表的支持及扩展，并能进行数据的钻取、交互和高级分析等。可视化工具特征可实现共享数据、协同完成数据分析。可视化分析工具MicrosoftExcelGoogleSpreadsheetsTableauQlikViewPowerBI是MicrosoftExcel的云版本，用户可跨越不同设备访问自己的数据，与他人分享表格、实时协作。具有管理、计算和自动处理数据、制作表格、绘制图表以及金融管理等多方面能力。是交互式商业智能工具之一，它提供了许多交互式工具，能将数据运算与美观的图形图表完美结合。具有完整集成的ETL工具向导驱动的应用开发环境、强大AQL分析引擎以及高度直觉化、使用简单的用户界面。是微软为Office组件提供的一套商业智能增强版业务分析工具，可使用户具备自助分析所有有用数据的能力。MicrosoftExcel可视化

例如：如下图所示，用MicrosoftExcel绘制10个班的成绩柱状图和折线图，用户不必分析工作表中多个数据列就可以很清楚的看到各个班级成绩的分布情况，非常方便地了解班级学生对知识的掌握情况。可视化编程工具R语言JavaScript、HTML、SVG和CSSProcessingFlash和ActionScriptPython是一套完整的数据处理、计算和制图软件系统。图形功能很强大，在基础分发包上通过第三方插件库和加载配置资源项实现扩展。可直接在浏览器中运行可视化展现的程序。一些工具包和函数库还可以帮助用户快速创建交互式和静态的可视化图形。是Java语言的延伸，支持许多现有的Java语言架构，在语法方面作了简化，是一个轻量级的编程环境。Flash可以直接用来设计图形，在ActionScript的帮助下，可以更好地控制交互行为。拥有高级数据结构，语法简洁清晰、干净易读，支持伪编译，可以将源程序转换为字节码来优化程序和提高运行速度。R语言可视化（1）Ggplot2是R语言中最常用的一款功能强大的图形可视化工具包，是一种统计学可视化框架。它提供一个全面的、基于语法的、连贯一致的绘图系统。例如：一班成绩分别为：87，78，85，99，76，88，100，94，89，52；二班成绩分别为：68，78，89，76，96，96，70，74，90，51。下图是绘制这两个班成绩的箱线图。R语言可视化（2）

箱线图以一种直观简洁的方式描述一组或多组连续型数据的分布情况。它利用数据集的五个统计量：最小值、第一四分位数(Q1)、中位数(Q2)、第三四分位数(Q3)与最大值，来反映数据的离散程度、离群值和分布差异等。所谓四分位数，是将全部数据分成相等的四部分,其中每部分包括25%的数据,处在各分位点的数值就是四分位数。

在上图中，矩形框上下边界分别表示Q3和Q1对应的成绩（一班为94和78，二班为90和70）；矩形框中的黑线表示处于中位数的成绩（一班是88，二班是78）；矩形框上方的线段表示最高成绩（一班为100，二班为96），矩形框下方的线段表示除过离群值之后的最低成绩（一班是76，二班是51）。左侧箱线图底部的小圆圈代表离群值，对应于一班的最低成绩（52分），而二班成绩中不存在离群值。R语言可视化（3）

Aplpack包中faces函数绘制脸谱图，脸谱图可以用来分析多维度数据，将多个维度的数据用人脸部位的形状或大小来表征。如有10个班的学生成绩，分为优秀、良好、中等和及格四个档次。下图通过圣诞老人的脸部特征反映各班成绩的分布情况，比如：脸的高度、嘴的宽度、头发长度和鼻子宽度反映成绩优秀的学生数量；脸的宽度、微笑表情、头发宽度和耳朵宽度反映成绩良好的学生数量。

可以看出，6班和7班成绩优秀的学生较多，因为与其他脸谱相比，6号和7号脸谱明显具有面部较长，鼻子较大的特点。通过类似的比较，还可以发现1班、5班、8班和9班成绩良好的学生相对较多。Python语言可视化（1）

Matplotlib是Python中比较常用的绘图库，可以快速地将计算结果以不同类型的图形展示出来。Matplotlib模块依赖于NumPy模块和Tkinter模块，它通过简单的几行代码就可以轻松绘制出线图、直方图、功率谱、条形图、错误图、散点图等可视化图形。Python语言可视化（2）

Pandas是基于NumPy的数据分析模块，提供大量标准数据模型和高效操作大型数据集所需要的工具，可以结合Matplotlib展现其绘图能力，实现数据可视化。主要表现形式为医学图像数据的可视化。将二维医学图像数据重构成物体的三维图像的技术。从而更加精确地定位病变组织，制定更加合理的治疗方案。医学行业01数据可视化应用（1）03使企业更快捷、更简单实时地掌控客户的全方位信息，帮助企业加强对市场的监督和管理，提升企业决策效率、实现精准营销服务、增强风控管理能力。金融行业02数据可视化应用（2）对电信业务的规划和实施有重要意义；可根据用户消费习惯和生活方式进行客户分群，对客户进行