《大数据可视化技术》课件 第一章 数据可视化概述

第一章

数据可视化概述GOAL学习目标1了解数据要素与数据科学的基本概念2了解数据可视化的基本概念与发展历程3了解数据可视化的基本流程4了解数据可视化应用的基本概念5了解主流的数据可视化应用开发框架6了解数据可视化常用的信息图表目录Contents1.1初识数据可视化1.2数据可视化应用开发框架1.3数据可视化常用信息图表1.1初识数据可视化

数据是符号的集合，是用于表示客观事物的未经加工的原始素材。我国将数据列为第五大生产要素，提出数据是赋能新质生产力的核心生产要素。

数据价值释放的前提是数据资产化。数据资产化，即将原始数据转变为能为企业带来经济利益的资产，是一项复杂的系统工程，目前，研究这种综合性方法的学科被称为“数据科学”，是一门新的交叉学科。

1.1.1数据要素与数据科学

在计算机学科的分类中，利用人眼的感知能力，对数据进行交互的可视表达以增强认知的技术，称为可视化。

在数据分析工作中，可视化通常被作为一种辅助分析的工具，用来帮助用户直观地了解数据的特征、快速发现数据中蕴藏的规律。因此，科学、合理地运用可视化，能够显著提升数据分析的工作效率。

可视化的作用：高效传达信息及辅助数据分析还原甚至增强数据中的全局结构和具体细节1.1.2数据可视化

1987年2月，美国国家科学基金会在会议报告中首次给出了科学可视化（ScientificVisualization）的定义。

进入21世纪之后，随着大数据时代的到来，提出一门新兴的学科被称为“可视分析学”。目前，可视分析学的核心理论基础与研究方法仍处于探索阶段。

本课程即属于现代可视分析学的范畴，旨在介绍流行的可视化工具以及利用这些工具开发可视化应用的方法，为大数据可视分析提供一种解决方案。1.1.3

数据可视化的发展历程

1.1.4

数据可视化的基本流程数据抽取→数据转换→数据加载→数据渲染目前，数据可视化应用系统一种非常流行的产品形态是“数据大屏”，又称“商业智能仪表盘”或“一张图系统”。1.1.5

数据可视化的应用

数据大屏本质上是将多个信息图表整合在一个页面上的单页应用，能够在统一的界面上展示在时空上存在关联的多维数据，是向用户展示关键绩效指标的数据可视化工具。由于数据大屏具有信息量大、集中度高、视觉效果好、支持多维分析等优势，被广泛应用于商业智能、业务监控、辅助决策、风险预警、地理分析、会议展览等多种应用场景中。一款优秀的数据大屏作品不是图表的简单堆砌，而是兼具科学性与艺术性的软件工程产品，需要通过系统性、规范化的设计，才能满足应用需求。1.1.5

数据可视化的应用1.2数据可视化应用开发框架

ECharts是百度开源的JavaScript可视化框架，现为Apache顶级项目。ECharts的特性：支持丰富的图表类型、交互控件和视觉编码手段支持千万级、多维度数据的前端展现支持多渲染方案和跨平台应用支持数据驱动视图和无障碍访问等。1.2.1

Echarts

D3是斯坦福推出的JavaScript可视化库。D3支持标准的Web技术（HTML、CSS和SVG），允许绑定任意数据到DOM，并将数据驱动转换应用到文档中，来实现各种数据可视化效果。与Echarts相比，D3的抽象层次更低，比如：Echarts的绘制单位是图表，而D3的绘制单位则是图形。1.2.2

D3

Processing.js是Processing语言的JavaScript实现。Processing提供了一套用于绘图的API，擅长创建2D与3D图像、音频、视频等。与Echarts相比，Processing.js更侧重于视觉思维的创造性，用户群体主要是设计师和艺术家，而Echarts则更加适用于对规范性有较高要求的行业和领域应用。1.2.3

Processing.js

DataV是阿里云推出的数据可视化应用搭建平台，旨在通过图形化的界面帮助不同专业背景的用户搭建可视化应用。DataV是直接面向应用的商业平台，它对信息图表进行了二次封装，形成了面向行业的数据看板。与Echarts、D3、Processing.js这些技术相比，DataV属于较高抽象层次的产品。1.2.4

DavaV1.3数据可视化常用信息图表条形图用一系列长度不等的纵向或横向条纹来表现数据的分布情况。核心思想是对比，适合用来展示数据之间的差异。适用于中小规模的二维数据集。1.3.1

条形图折线图常被用来展示时间序列数据。核心思想是趋势变化，适用于总体趋势比单个数据点更重要的场景。适用于二维大数据集。1.3.2折线图仪表盘能够呈现指标的实时状态，适用于业务监控、监测预警等场合。仪表盘指针所指向的刻度值代表观测指标的实时值，坐标轴的颜色还可以用于对观测值进行分类。1.3.3仪表盘热力图通过颜色表现数值大小。热力图通常与空间或时间坐标系结合，用于展示业务数据在空间或时间上的分布状态。当热力图与日历坐标系结合时，就形成了日历热力图，以日历的形式展示数据的变化趋势。1.3.4热力图平行坐标图是一种展示高维数据的图表。图上折线的形态能够反映记录之间的关系。随着数据量的增加，形态相似的折线会堆叠起来，形成聚类的效果，从而揭示出记录之间的相关关系。1.3.5平行坐标图雷达图是一种适用于展示指标构成以及次级指标之间权重分布的信息图表，经常应用于性能评估等场景中。雷达图所围的面积能够反映综合指标的测度结果，而展布的形态则能够反映综合指标在各个次级指标上的权重分布，并有助于揭示占主导地位的次级指标。1.3.6雷达图饼图主要用于展示部分占总体的比重。饼图还有一些其他的形态，比如环形图和南丁格尔玫瑰图。1.3.7饼图散点图是在回归分析中常用的信息图表，主要用于展示因变量随自变量变化的趋势。根据这种趋势选择合适的函数对数据点进行拟合，从而确定变量之间定量关系的分析方法即回归分析，是统计学习中的一种基本方法。1.3.8散点图

本章首先介绍了数据可视化相关的基本概念，包括数据要素、数据资产、数据科学，数据可视化的发展历程、基本流