数据可视化介绍|学习笔记

简介: 快速学习数据可视化介绍

开发者学堂课程【高校精品课北京理工大学数据仓库与数据挖掘(下)数据可视化介绍】学习笔记,与课程紧密联系,让用户快速学习知识。  

课程地址:https://developer.aliyun.com/learning/course/1041/detail/15658


数据可视化介绍

开始数据仓库与数据完整的学习。在今天我们主要向大家介绍数据可视化,包括数据可视化的基本概念,数据可视化的作用,数据可视化的方法技术以及数据可视化工具。

我们首先来看一下数据可视化的。基本概念。对于数据可视化来说,它指的是以图形、图像、动画等更为生动、易于理解的方法展示具体数据,全是数据之间的关系和发展趋势,以及更好的理解和使用数据。大数据可视化分析指的是利用支持信息可视化的用户界面以及支持分析过程的人机交互方式与技术。有效融合计算机的计算能力和人的认知能力,以获得对大规模复杂数据的洞察力。

在了解了数据可视化的基本概念之后,我们来看一下数据可视化的发展历程。数据可视化并不是一个陌生的概念。在19世纪的时候,数据可视化技术就已经被用了。大家看一下我们的课件上的这两幅图,都是在19世纪的数据可视化应用的案例,那么第一幅图就是我们的伦敦破烂地图。他主要是1854年。

在伦敦爆发了大规模的混乱。当时人们的认知是霍乱传播的,但是有一个叫周子龙的医生。他就发现了霍乱和水井分布的关系。为了使大家幸福,霍乱和水井分布的关系。

他就绘制了这么一副伦敦的霍乱地图。那么首先这个地图呢,他是绘制了我们的伦敦地区的水顶的位置,同时还绘制了在这个区域的发病的病人的。通过这样的一个图就会发现在客户水井附近,那么这个霍乱的人数是非常多的,那么由此,就得到一个结论,就是在伦敦的霍乱,也就是在伦敦的这次破烂中,是有一口受污染的水泵。我们右面的这幅图是南丁格尔绘制的鸡冠花图。主要是在1857年的时候。南丁格尔为了说服维多利亚女王去改善医院的医疗条件,那么就绘制了英国士兵在克里米亚战争中的死亡。

图片1.png

那么大家可以看到这样的一个机关发图是有两处,主要指的是在这个战争中,它主要是分为两个阶段,在这个图中,它的粉红色区域代表的是属于刀伤以及这种战争的士兵人数儿,黑色指的是死于其他原因的士兵人数。蓝色指的是死于可预防传染疾病的事那么通过这个地方画图,就可以展示,那么改善医院的医疗条件是能够挽救很多英军士兵的性命。

图片2.png

那么这个是在19世纪,随着计算机的出现以及计算。数据可视化技术就已经被发展运用到了20世纪的50年代计算机的出现人们可以利用计算机技术在电脑屏幕上去绘制各种图形和图表。在这个阶段,数据可视化技术具备大量的应用于统计学、地理信息系统、数据挖掘、商务智能领域,通过这样一些图表的可视化。

促进了人类对不同类型数据分析的理解,那么到了现在阶段,我们是位于大数据时代。

图片3.png

随着大数据时代的道理,我们每时每刻都会有海量数据不断的被产生,我们需要对数据进行及时的分析,呈现数据背后的价值,对于用户而言,那么可视化就成为了大数据分析的重要一环。在这个阶段,我们数据可视化的技术和工具层出不穷。

数据可视化的表现形式更加的丰富。那比如说像我们PPT上这个展示的就是使用了数据可视化技术,模范单车在武汉区域。和晚高峰的停车热点区域的可视化。

相关文章
|
数据可视化 前端开发 JavaScript
前端之【数据可视化】
前端之【数据可视化】
119 0
|
3月前
|
数据可视化 数据处理
数据可视化
【8月更文挑战第9天】数据可视化。
51 2
|
6月前
|
数据可视化
数据可视化第二版-03部分-11章-相关
数据可视化第二版-03部分-11章-相关
|
人工智能 数据可视化 BI
数据可视化(一)
数据可视化(一)
137 0
|
编解码 监控 数据可视化
数据可视化(二)
数据可视化(二)
541 0
|
数据可视化 索引 Python
数据可视化入门
数据可视化入门
|
监控 数据可视化 前端开发
数据可视化(一):介绍
数据可视化(一):介绍
数据可视化(一):介绍
|
数据可视化
ggpubr|让数据可视化更加优雅(上)
ggpubr是由Alboukadel Kassambara创建的,基于ggplot2的可视化包。主要用于绘制符合出版要求的图形。
249 0
ggpubr|让数据可视化更加优雅(上)
|
数据可视化
ggpubr|让数据可视化更加优雅(下)
ggpubr|让数据可视化更加优雅(下)
359 0
ggpubr|让数据可视化更加优雅(下)
|
数据可视化 数据挖掘 C++
从0到1,掌握数据可视化的基本技巧
大家好,我是爱学习的小熊妹。做运营的小哥哥小姐姐们,经常要做各种汇报ppt。其中怎么画图表,经常是很纠结的一件事。小熊妹也不是专业科班出身的数据分析师,但还是认真的总结了数据可视化的基本技巧。
227 0
从0到1,掌握数据可视化的基本技巧