數據科學與大數據技術導論第4章數據可視化4.1可視化的定義

數據可視化是指利用計算機圖形學等技術，將數據通過圖形化的方式展示出來，直觀地表達數據中蘊含的信息、規(guī)律和邏輯，便于用戶進行觀察和理解。數據可視化是數據探索以及發(fā)現有價值的知識的手段。

數據可視化的優(yōu)點如下。（1）數據可視化用更直觀的圖形化的表現形式進行信息摘要。（2）數據可視化通過交互的方式，幫助用戶對數據進行探索，發(fā)現數據里面隱藏的模式，獲得對數據的洞察力和理解。4.2可視化發(fā)展歷程

在19世紀，隨著計算機圖形學技術的發(fā)展，以及社會對數據應用和分析需求的增加，加速了以統(tǒng)計圖表等為特征的現代數據可視化的誕生。這個時期的數據可視化圖表包括散點圖、直方圖、極坐標圖以及時間序列圖等統(tǒng)計圖表，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)對數據的重視程度與日俱增，隨之而來的是對數據進行一站式整合、挖掘、分析、可視化的需求日益強烈，因此也誕生了一批以數據可視化分析為主要業(yè)務的公司。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，讓數據能夠更好地被理解，讓企業(yè)能夠把握不斷增長的數據流，促進數據發(fā)現，進而幫助人們進行更加合理的決策。

Tableau公司網站的主頁如圖4.2所示。圖4.2Tableau公司網站的主頁4.3可視化的意義和價值

可視化的特點是直觀、美觀、可交互。圖4.3ManuCornet繪制的國際知名公司的組織結構圖圖4.4某院校部分課程的學生平均成績與課程教學評估的分數及其散點圖4.4數據可視化的流程

圖4.5所示的原始數據中包含一批互聯網新聞，每篇新聞中包含幾百至幾千字的報道內容。對于這些內容，很難直接進行可視化。在可視化之前，可以先通過命名實體抽取和話題挖掘，統(tǒng)計分析出這些新聞中包含的熱門話題及其相應的頻度，然后采用合適的圖表對挖掘出來的這些結果和知識進行可視化。圖4.5互聯網新聞及其可視化4.5常見可視化圖表

常見的統(tǒng)計圖表有柱狀圖、折線圖、餅圖、散點圖、氣泡圖、雷達圖等，此外還有漏斗圖、樹圖、熱力圖、關系圖、詞云圖、事件河流圖、日歷圖等。圖4.6開課班級數年度對比4.5.1柱狀圖

柱狀圖適用于二維數據集（每個數據點包括兩個值：x和y），但只有一個維度需要比較，用于顯示一段時間內的數據變化或各項之間的比較情況。圖4.7是一個實例的柱狀圖，從該圖中可以很容易看出副教授的教學工作量（授課門數）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間序列分析數據的變化趨勢時使用，適用于較大的數據集。在通常情況下，折線圖的x軸設定為時間（或者有大小意義的其他值），y軸設定為其他指標值。分析數量、比例等指標整體變化趨勢時多用折線圖。圖4.8示例折線圖4.5.3餅圖

餅圖一般在指定一個分析軸進行所占比例的比較時使用，只適用于反應部分與整體之間的關系，部分之間的對比不強烈，如圖4.6所示。4.5.4散點圖

散點圖主要用于當數據中有兩個以上維度需要比較的時候使用。散點圖有時也用來展示數據中兩個維度之間的關聯關系。圖4.4中展示了一個散點圖。4.5.5雷達圖

雷達圖可以從不同角度對比數據之間的差異，一般來說，雷達圖中實際展示的數據點不超過6個，否則各數據點之間重疊會導致不容易觀察到數據之間的差異。圖4.9所示為兩個學者的行為畫像。從該圖中可以很容易看出學者一和學者二的差異。學者一的社交性和多樣性高于學者二，而學者二的核心學術成果（論文數、引用數等）明顯高于學者一。圖4.9某兩個學者的學術畫像雷達圖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，新一代的支持互聯網數據可視化的工具有ECharts、HighChart、D3、GoogleCharts等。Python的第三方庫matplotlib是通過代碼進行可視化圖表制作的另一種選擇。1．Excel

利用Excel可以制作簡單的折線圖、柱狀圖等。在Excel中選擇需要進行可視化的數據，單擊“插入”選項卡中的“圖表”按鈕，從“圖表”中選擇一個合適的圖表樣式，或者從“所有圖表”中選擇一個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開源基金會孵化項目。ECharts是一個使用JavaScript實現的開源可視化庫，可以流暢地運行在PC和移動智能設備上，兼容當前絕大部分瀏覽器（IE8/9/10/11、Chrome、Firefox、Safari等），底層依賴矢量圖形庫ZRender，提供直觀、交互豐富、可高度個性化定制的數據可視化圖表。

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據圖形化，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的交互式環(huán)境生成出版物質量級別的圖形，支持繪制折線圖、散點圖、等高線圖、條形圖、柱狀圖、3D圖形等。關于matplotl