数据可视化 第8章 时变型数据的可视化.pptxVIP

数据可视化

时变型数据可视化概念时变型数据可视化分类时变型数据可视化图表第八章：时变型数据的可视化

8.1时变型数据可视化概念时变型数据随时间变化、带有时间属性的数据称为时变型数据（time-varyingdata或者temporaldata）。如各种传感器设备获取的监测数据、股市股票交易数据、股票价格变动、太阳黑子随时间的变化数据等。时变型数据可视化时变型数据可视化强调数据随时间的变化规律或者趋势，X轴一般为时序数据，Y轴一般为数值型数据。时间序列数据可视化常见图表包括折线图、面积图、柱形图、雷达图等。

8.1时变型数据可视化概念时变型数据可视化设计维度涉及三个维度表达（representation）比例尺（scale）布局（layout）

8.1时变型数据可视化概念单个时间序列和多个时间序列从数据集包含的时间序列数量进行分类，时变型数据可以分为单个时间序列和多个时间序列。单个时间序列：即数据集或可视化需求只包括一组时间—属性数据，如某商场服装系列2000-2010年10年的销售量变化。多个时间数列：表示存在多组时间—属性数据，如某商场服装和电子产品系列2000-2010年之间的销售量变化需要展示在一个图中。

8.1时变型数据可视化概念单个时间序列和多个时间序列单个时间序列多个时间序列

8.1时变型数据可视化概念多个响应变量时间序列例如，石油消耗量与石油价格之间的关系随时间的变化趋势。多个响应变量时间序列的可视化方式1）两个单独的折线图放在一起，比较二者的斜率。缺点是需要来回切换两幅图，进行比较很麻烦。2）连通散点图，即对这两个变量的相互关系做图，画出从最早时间点到最晚时间点的一条路径。

8.1时变型数据可视化概念多个响应变量时间序列连通散点图使用连通散点图描绘1960-2000年的世界石油消耗量（横轴）与石油价格（纵轴）之间的关系随时间的变化情况

时变型数据可视化概念时变型数据可视化分类时变型数据可视化图表第八章：时变型数据的可视化

8.2时变型数据可视化分类线性时间和周期时间线性时间：通过一个出发点展现从过去到将来数据的线性时间域。线性时间通常代表了一段连续的时间，它由2个或多个时间点组成，小到几秒大到几年等，连续的时间包含了比时间点更多的信息。针对线性时间，一般的可视化方法是将数据绘制成折线图，横坐标表示时间，纵坐标表示其他变量。对于线性时间，在表达维度上最常用的就是线性映射方式。

8.2时变型数据可视化分类线性时间和周期时间下图a所示为标准的一维时间序列图，x轴表达线性时间、时间点或时间间隔，y轴表示该时间域内的特征属性。图b为周期时间，将时间序列沿圆周排列，采用螺旋图的方法布局时间轴，一个回路则代表一个完整周期。(a)一维时间序列图(b)周期时间可视化（27天）(c)周期时间可视化（28天）

8.2时变型数据可视化分类时间点和时间间隔时间点顾名思义就是将时间具体到某一个小时、某一分、某一秒，它不是连续的。离散时间点将时间描述为可与离散的欧拉空间点相对等的抽象概念。单个时间点没有持续的概念。间隔时间表示某一小范围内的线性时间域，如一小时、一星期、一个月等。在这种情况下，时间数据属性代表的就是整个持续时间段，被两个时间点分隔。时间点和时间间隔都被称为时间基元。

8.2时变型数据可视化分类时间点和时间间隔对时间点以及时间段进行可视化的方法有日历时间可视化方法。日历时间的可视化在表达维度上一般采用表格映射的方式对时间轴进行处理。如图所示，描绘了被试者工作状态随时间的变化情况。这个例子清晰地揭示了不同时间维度上（每天和每周）被试人数的变化情况。

8.2时变型数据可视化分类时间点和时间间隔下图描绘了被试者工作状态随时间的变化情况。清晰地揭示了不同时间维度上（每天和每周）被试人数的变化情况。

8.2时变型数据可视化分类顺序时间、分支时间和多角度时间常用的顺序数据可视化视图主要分为传统统计图、热力图和日历图三种。传统统计图包括折线图、柱状条形图等，这种可视化视图简单易懂，清晰直观，实现起来也相对简单，多用于对连续时间的线性表达，表达某一段时间内的变化模式。热力图是时间序列数据进行聚类分析的有效方法，通常与地理空间数据可视化相结合对数据进行可视化。日历图主要采用表格映射的方式对时间轴进行处理，将日、周、月、年等不同时间的定量值用颜色标记在日历上，结合人类对日历的认知，使得读者们更快捷地找到某些与日历有关系的定量规律。

8.2时变型数据可视化分类流数据可视化流数据是一种特殊的时变数据，该数据由一个及以上“连续数据流”构成，输入数据（全部或部分）并不存储在可随机访问的磁盘或内存中。常见的流数据包括日志数据（如移动通