数据可视化的类别及其重要性

　　您可以让数据分析师和其他数据研究人员收集所有最好的、最有用的信息，但如果客户不能理解它，那么它就没有用处。因此，数据必须以简单易用的格式呈现，让普通人也能理解。这就是为什么数据可视化会存在。老话说，"一图胜千言"。数据可视化有助于描绘图画，也促进了用户对其的理解。

　　如今，我们将会解决数据可视化的问题。我们将探讨它的定义，不同的类型，它的重要性，不同行业和部门是如何使用它的，以及各种数据可视化技术。

　　什么是数据可视化?

　　数据可视化是在视觉背景下交流和翻译数据和信息的过程，通常采用图形、图表、条形或其他视觉辅助手段。可视化还使用图像来传达各种数据集之间的关系。

　　数据可视化也被称为信息可视化，信息图形，和统计图形。它是数据科学过程中的一个步骤，它告诉我们，在所有数据被收集、处理和建模之后，必须对信息进行可视化，以便用户可以利用它来得出结论。

　　另外，数据可视化是数据表现架构(DPA)这一更广泛的学科的一部分，其目的是以最佳方式识别、寻找、操作、格式化和提供数据。

　　数据可视化的重要性

　　以视觉方式表现从数据中获得的洞察力，数据可视化为人们提供了一种理解数据模式、趋势和异常值的方法。考虑到那些没有理解观点的人，数据可视化为我们画出了这幅图——以一种清晰的、视觉上吸引人的方式呈现事实和数字。

　　更重要的是，在掌握大数据所产生的大量信息的持续过程中，数据可视化是一个宝贵的工具。在大量的大数据中筛选出相关的、有用的信息已经很有挑战性，更不用说寻找模式和趋势了。这就是为什么数据可视化对于今天的数据分析师和其他用户来说至关重要--它可以帮助数据收集者更容易地展示结果，并使读者能够容易地看到趋势和模式。

　　我们的大脑对视觉刺激有反应，并在看到的一切中寻找模式。数据可视化利用了人类的这种本能，从而提供了一种更容易的方式，让人们更清楚地看到信息，更快地得出更准确的结论。

　　数据可视化的好处包括：

　　给予读者快速吸收信息的手段，提高洞察力，更快地做出决定

　　提供一种简单的信息发布手段，为用户提供更多的机会与参与项目，使每个人都能分享他们的见解

　　加深对组织必须采取的措施来改进自身的理解

　　吸引并保持受众兴趣的能力，向他们提供他们能够理解的信息

　　给予决策者迅速采取行动的手段，更快地提供成功的结果，减少错误

　　消除了对数据科学家的过度依赖，因为数据可视化更容易获得并更容易理解

　　大数据可视化的五个类别

　　关于大数据如何需要数据可视化的问题，我们已经谈了许多。让我们继续保持这个思路，看看大数据场景中的五个主要数据可视化类别。

　　地理空间。这个类别特别合适，因为美国最近举行了总统大选，民调员、顾问和专家学者经常使用地理空间数据进行投票和选举结果。地理空间数据可视化将地图与数据点叠加，参考现实生活中的物理位置。市场渗透研究也经常依赖于地理空间数据的可视化。例子包括：

　　o 图形图

　　o 密度图

　　o 流程图

　　o 热力图

　　分层法。分层法是在较大的组内对数据进行分组，这在显示信息集群时会经常被使用——特别是当数据来自于一个单一的源点。例子包括：

　　o 环状图

　　o 旭日图

　　o 树状图

　　多维。这种方法依靠两个或更多的变量组合来创造一个三维的数据可视化。这些多层次的、并发的数据集特别赏心悦目。多维可视化最适合于将大量的数据分解成突出的点。例子包括：

　　o 柱状图

　　o 饼图

　　o 叠加条形图

　　o 维恩图

　　网络。网络方法显示了数据集之间的关系，而且不需要借助于冗长的解释。网络可视化连接数据集，说明它们在网络中的相互关系。例子包括：

　　o 冲积图

　　o 矩阵图

　　o 节点-链接图

　　o 词汇云

　　时间性的。时间性的数据可视化必须是线性和一维的。这种方法使用独立或重叠的线条，并且有开始和结束的时间框架。例子包括：

　　o 线形图

　　o 散点图

　　o 时间序列序列

　　o 时间线

　　对于数据可视化技术的一些看法

　　虽然我们已经讨论了数据可视化的类别，但之前提到的某些具体技术值得进一步的释。这些技术经常被用于许多类型的数据可视化项目中。

　　信息图。信息图是图表、图像和最少的文字的集合，创造了易于阅读的、令人难忘的、视觉上令人愉悦的数据可视化展示。信息图通常非常具有娱乐性，但它们在转达有用的、相关的信息方面仍然做得很好。

　　散点图。散点图依靠X轴和Y轴来显示两个变量之间的关系。

　　人口金字塔。这种数据可视化技术采用堆叠的条形图来说明人口的社会叙述，对于显示人口分布特别有用。

　　发烧图。尽管名字听起来很不吉利，但发烧图是非常良性的。虽然它最初是指为病人的发烧绘制图表，但这个术语已经扩展到任何跟踪随时间持续变化的数据的图表。例如，经纪人使用发烧图来跟踪股票价格。

　　数据可视化是如何使用的?

　　没有什么比现实世界的例子更能有效地说明数据可视化的多功能性了。比如说：

　　确定相关关系。确定两个变量之间的关系和相关性的最好方法是对它们进行直观的比较。

　　网络检查。在这里，"网络 "指的是整个市场受众。通过检查网络，分析人员可以发现受众集群，包括任何影响因素和它们之间的桥梁，以及统计上的异常值。

　　追踪一段时间内的变化。这项用途是简单而基本的数据可视化功能。可视化能够帮助人们分析数据趋势在某一时期的变化。

　　频率确定。频率与跟踪变化有关，但不同的是它考察的是一个特定事件发生的频率。

　　时间线的安排。使用甘特图这样的资源，项目负责人可以说明项目内的每项任务以及任务所需的时间。

　　此外，许多领域都从数据可视化中受益，包括：

　　数据科学/研究。数据可视化能够帮助数据科学家进行复杂的数据分析，识别模式，并理解数据集。数据科学家有许多数据可视化工具帮助他们完成任务，包括使用Python等编程语言。您可以通过Python的数据可视化教程了解更多关于如何完成这个任务的信息。

　　金融。数据可视化是投资界的一种十分方便的工具，能够显示商品、债券和股票在一段时间内的表现。

　　医疗保健。Choropleth地图将用不同的颜色显示不同的地理区域，以说明数值。它们是医生和流行病学家追踪大流行病或心脏病等健康危害的良好手段。

　　物流。数据可视化可以帮助航运公司确定最佳的运输路线。

　　政治学。民意调查员和竞选工作人员可以清楚地了解在每个地区的每个人投票给了哪位特定的候选人。

　　科学。SciVis，即科学可视化，使研究人员更容易理解他们的实验数据。