数据可视化基础11_多元数据的可视化 .docx

数据可视化

多元数据的可视化

单元目标

l了解多元数据可视化的方法

l能够根据数据选择合适的多元数据可视化图表

l完成部分多元数据的可视化图表

多元数据

高维多元数据是指每个数据对象有两个或是两个以上的独立(多维度)或是相

关(多元)属性的数据。通常统称为多元数据。

此类数据在现实生活中随处可见，例如笔记本电脑的不同配置，包括CPU,内存，硬盘，屏幕和重量等等。每个参数都是电脑的一个属性，所有参数组成的配置就是一个多元数据。

少数维度

二维或是三维数据，都可以用常规的可视化方法表示。通过散点图。

或是通过各种视觉编码表示额外的属性，比如颜色，大小，形状等。

更高维度的数据就不合适，视觉编码有限，多余复杂的视觉编码会降低可读性。

高维度的多元数据

l空间映射法

散点图矩阵

是散点图的扩展，对N维数据，

通过N2个散点图注意表示N

个属性之间的两两关系。

?符合用户习惯，有效解释属性之间的关系

?维度增加后，散点图数量也几何级增长。

交互式选取感兴趣的属性进行

分析是常用的解决方案

/OECDregionalstatistics/#story=0

高维度的多元数据

表格透镜

是传统表格的扩展，将数值用

水平横条或是点来表示，因为

占用空间较少，可以显示大量

的数据和属性，并进行比较

/OECDregionalstatistics/#story=0

高维度的多元数据

平行坐标

采用相互平行的坐标轴，每个坐标轴代表数据的一个属性，因此每个数据对象对应于一条穿过所有坐标

轴的折线。

/OECDregionalstatistics/#story=0

高维度的多元数据

平行坐标

可以显示高维度的数据，还可以解释数据在每个属性上的分布，以及相邻两个属性之间的关系。但是，对于非相邻属性之间关系的表现相对较弱。

交互的选取部分感兴趣的数据对象以及属性，并用高亮显示，是常见的解决方法。

正相关性

负相关性

弱相关性

高维度的多元数据

平行坐标

以上的例子中，数据在各个维度上都是连续的数值，如果是类别型数据，通常将坐标轴平均的分成若干等分，并连接对应的等分点。

右图是泰坦尼克号沉船事故中乘客信息的例子，包括三个维度，乘客的船舱等级，性别以及是否遇难的三维数据。

资料来源：/parallel-sets

高维度的多元数据

l图标法

星形图

https://andrewpwheeler

/2012/03/14/reference-lines-for-star-

plots-aid-interpretation/

看成平行坐标的极坐

标版本，多元数据的

每一个属性由一个坐

标轴表示，每个坐标

轴上点的位置和数据

属性的值决定，折现

连接所有坐标轴上的

点，围城一个星形区

域。