【数据可视化】数据可视化分类

数据可视化分为:科学可视化、信息可视化,可视化分析学这三个主要分支。

科学可视化,处理科学数据,面向科学和工程领域的科学可视化,研究带有空间坐标和几何信息的三维空间测量数据、计算模拟数据和医疗影像数据等,重点探索如何有效地呈现数据中几何、拓扑和形状特征。信息可视化,处理对象是非结构化、非几何的抽象数据,如金融交易、社交网络和文本数据,其核心挑战是如何针对大尺度高维数据减少视觉混淆对有用信息的干扰。可视分析学,由于数据分析的重要性,将可视化与分析结合,形成的新的学科。

科学可视化(Science Visualization)

面向的领域主要是自然科学,如物理、化学、气象气候、航空航天、医学、生物学等各个学科,这些学科需要对数据和模型进行解释、操作与处理,旨在寻找其中的模式、特点、关系以及异常情况。

标量场可视化。标量指单个数值,即在每个记录的数据点上有一个单一的值,标量场指二维、三维或四维空间中每个采样处都有一个标量值的数据场。可视化数据场f(x,y,z)的标准做法有三种:1、将数值直接映为颜色或透明度,如用颜色表达地球表面的温度分布;2、根据需要抽取并连接满足f(x,y,z)=c的点集,并连接为线或面,称为等值线或等值面方法,如地图中的等高线,标准的算法有移动四边形或移动立方体;3、将三维标量数据场看成能产生。传输和吸收光的媒介,光源透过数据场后形成半透明影像,称为直接体绘制方法,这种方法可以以透明层叠的方式显示内部结构,为观察三维数据场全貌提供了极好的交互浏览工具。

向量场可视化,向量场在每个采样点处都是一个向量(一维数据组)。向量代表某个方向或趋势,例如风向等。向量场可视化主要关注点是其中蕴含的流体模式和关键特征区域。在实际应用中,由于二维或三维流场是最常见的向量场,所以流场可视化是向量场可视化中最重要的组成部分。除了通过拓扑或几何方法计算向量场的特征点、特征线或特征区域外,对向量场直接进行可视化的方法包括三类。

1、粒子对流法,其关键思想是模拟粒子在向量场中以某种方式流动,获得的几何轨迹可以反映向量场的流体模式。这类方法包括流线、流面、流体、迹线和脉线等。

2、将向量场转换为一帧或多帧的纹理图像,为观察者提供直观的影像展示。标准的做法有随机噪声纹理、线积分卷积(LIC)等。

3、采用简化易懂的图标编码单个或简化后的向量信息,可提供详细信息的查询与计算,标准做法有线条、箭头和方向标志符等。

张量场,可视化方法分为基于纹理、几何和拓扑三类。基于纹理的方法,将张量场转换为静态图像或动态图像序列,图释张量场的全局属性,其思想是将张量场简化为向量场进而采用线性积分法、噪声纹理法等方法显示。基于几何的方法显示地生成刻画某类张量场的属性的几何表达,其中,图标法采用某种几何形式表达单个张量,如椭球和超二次曲面;超流线法将张量转换为向量,再沿主特征方向进行积分,形成流线、流面或流体。基于拓扑的方法计算张量场的拓扑特征(如关键点、奇点、灭点、分叉点和退化线等),依次将感兴趣区域部分分为具有相同属性的子区域,并建立对应的图结构,实现拓扑简化、拓扑跟踪和拓扑显示,基于拓扑的方法可以有效地生成多变量场的定性结构,快速构造全局流场结构,特别适合于数值模拟或实验模拟生成的大尺度数据。

信息可视化(information Visualization)

信息可视化处理的对象是抽象的、非结构化数据集(如文本、图表、层次结构、地图、软件、复杂系统等)。与科学可视化相比,信息可视化更关注抽象高维数据。此类数据通常不具有空间中位置的属性,因此要根据特定数据分析的需求,决定数据元素在空间的布局。因为信息可视化的方法与所针对的数据类型紧密相关,所以通常按数据类型分为如下几类:

1、时空数据可视分析

2、层次与网络结构数据可视化

3、文本和跨媒体数据可视化

4、多变量数据可视化

可视分析学(Visual Analytics)

可视分析学,被定义为一门以可视交互界面为基础的分析推理科学。综合了图形学数据挖掘人机交互等技术,以可视交互界面为通道,将人的感知和认知能力以可视的方式融入数据处理过程,形成人脑智能和机器智能优势互补和相互提升,建立螺旋式信息交流与知识提炼途径,完成有效的分析推理和决策。

包含数据分析、交互、可视化。

注:摘自《数据可视化》

时间: 2024-12-06 00:50:26

【数据可视化】数据可视化分类的相关文章

使用ElasticSearch,Kibana,ASP.NET Core和Docker可视化数据

想要轻松地通过许多不同的方式查询数据,甚至是从未预料到的方式?想要以多种方式可视化日志?同时支持基于时间.文本和其他类型的即时过滤器? 借助于 Elastic stack 的卓越性能和可扩展方式的优点,我们将通过两个示例轻松实现. 本文由 DNC Magazine for Developers and Architects 发布. 从这里下载此杂志[PDF] 或 免费订阅本杂志 下载所有以前和当前的版本版本. 在这篇文章中,我将介绍流行的搜索引擎 Elasticsearch,其配套的可视化应用

[翻译] 使用ElasticSearch,Kibana,ASP.NET Core和Docker可视化数据

原文地址:http://www.dotnetcurry.com/aspnet/1354/elastic-search-kibana-in-docker-dotnet-core-app 想要轻松地通过许多不同的方式查询数据,甚至是从未预料到的方式?想要以多种方式可视化日志?同时支持基于时间.文本和其他类型的即时过滤器?借助于 Elastic stack 的卓越性能和可扩展方式的优点,我们将通过两个示例轻松实现. 本文由 DNC Magazine for Developers and Archite

如何将枯燥的大数据呈现为可视化的图?

将数据转化成可视化图表/形,其实一个工具就能完成,碍于工具太多,按照使用场景,暂且将已成熟应用的分为三个层次: 第一层:数据报告.信息图 这里统称信息图.信息图是把数据.信息或知识可视化,必须要有一个清楚准确的解释或表达甚为复杂且大量的信息. 代表人物是新闻界的David McCandless(大卫. 麦克坎德雷斯),曾为<英国卫报>.<连线>.<独立报>等刊物撰稿.常以简洁精美的图像展现复杂抽象资讯,并将不同的数据组合,展现其中的联系.他在TED上曾讲过: "

《大屏可视化数据》该怎么设计?

前言:数据可视化是什么?可视化数据有哪些主要特征?为什么要使用大屏展示可视化数据?数据可视化是综合运用计算机图形学.图像.人机交互等,将采集.清洗.转换.处理过的符合标准和规范的数据映射为可识别的图形.图像.动画甚至视频,并允许用户与数据可视化进行交互和分析.使用数据可视化可以丰富内容,引人注意,调动人的情绪.引发人的共鸣,传递文化和价值.可视化数据的最主要目三个特征:新颖而有趣.充实而高效.美感且悦.以大屏作为可视化数据的主要载体,其原因在于面积大.可展示信息多.便于关键信息的共享讨论及决策,

魔镜—58可视化数据智能平台架构与实践

背景 魔镜是数据产品研发部基于大数据平台开发的一套可视化数据智能平台.传统机器学习建模流程对非数据科学专业人员来说,整体门槛较高,其中主要体现在几个方面: 1. 机器学习概念较为抽象 比如训练集.验证集.测试集.特征.维度.标签泄露.欠拟合.过拟合.学习曲线.验证曲线.ROC曲线.混淆矩阵等等,除了需要了解概念外,需要了解具体的使用场景.使用方法. 2. 机器学习建模流程复杂 数据准备.数据预处理.统计分析.特征工程.模型训练与建模.模型评估与对比等,尤其是统计分析以及特征工程,涉及大量的特征生

可视化数据matplotlib之安装与简单折线图

matplotlib是一个可视化数据的模块,安装前需要先安装Visual Studio Community:然后去https://pypi.python.org/pypi上查找matplotlib并下载:最后安装:python -m pip install matplotlib-2.0.2-cp36-cp36m-win_amd64.whl: (安装过程中需要联网下载相关模块) 本例使用matplotlib模块画简单的折线图: 1 from matplotlib import pyplot 2 f

[Python] Python 学习 - 可视化数据操作(一)

Python 学习 - 可视化数据操作(一) GitHub:https://github.com/liqingwen2015/my_data_view 目录 折线图 散点图 随机漫步 骰子点数概率 文件目录 折线图 cube_squares.py import matplotlib.pyplot as plt x_values=list(range(1, 5000)) y_values=[pow(x, 3) for x in x_values] plt.scatter(x_values, y_v

脑洞大开!高维数据怎样做出可视化效果的5个思路(多图)

每个数据对象有两个或两个以上独立或者相关属性的数据. 一维数据 一维数据可以利用饼图.条形图来表示. 二维数据 可使用平面坐标系表达 三维数据 可使用空间坐标系表达 高维数据 高维指数据具有多个独立属性,多元指数据具有多个相关属性.怎样在视觉空间(三维空间/二维平面)上表达? 思路1:在二维/三维图表上增加视觉通道,以表达更多的属性信息. 当维度超过三维后,可以增加视觉编码来表示,例如颜色.大小.形状.填充形式等.但对于更高维多元数据的可视化,这种方法还是很局限. 思路2:"多视图协调关联&qu

Plotly(在线可视化数据制作)

插件介绍: 相比传统的文字图表来说,可视化数据可以帮助用户更方便地进行数据分析,能更加直观的查看.处理.开发和应用.Plotly是一款在线制作可视化数据的工具,它可以为你提供制图和分析等服务,支持任何格式,比如Excle电子表格.TSV.Matlab.CSV.MS Access等众多格式,同时你可以使用线图.条形图.热图.箱线图或更多. 使用说明: 将Plotly(在线可视化数据制作)添加至chrome,并在扩展器中启动它. 功能介绍: -从文件中导入数据,Dropbox和谷歌驱动器.-分析数据

Charted – 自动化的可视化数据生成工具

Charted 是一个让数据自动生成可视化图表的工具.只需要提供一个数据文件的链接,它就能返回一个美丽的,可共享的图表.Charted 不会存储任何数据.它只是获取和让链接提供的数据可视化. 在线演示      插件下载 您可能感兴趣的相关文章 网站开发中很有用的 jQuery 效果[附源码] 分享35个让人惊讶的 CSS3 动画效果演示 十分惊艳的8个 HTML5 & JavaScript 特效 Web 开发中很实用的10个效果[源码下载] 12款经典的白富美型 jQuery 图片轮播插件 本