【数据篇】33 # 可视化数据处理的一般方法是什么?

简介: 【数据篇】33 # 可视化数据处理的一般方法是什么?

说明

【跟月影学可视化】学习笔记。




数据可视化的一般过程


  1. 先看有什么样的数据:分析真实数据
  2. 然后看想从数据中了解什么信息:获取想要的信息
  3. 再决定使用何种可视化方式呈现:为数据选择正确的呈现形式
  4. 最后看展示的效果怎么样,是否有意义:了解数据背后有价值的内容




实战演练:对公园中的游客进行数据可视化


这里使用上一节的例子进行实战演练:数据还是那些,里面有时间、地点和性别。

[{
  "x": 456,
  "y": 581,
  "time": 12,
  "gender": "f"
}, {
  "x": 293,
  "y": 545,
  "time": 12,
  "gender": "m"
}, {
...
}]


  • 第一步:假设我们想了解公园一天中的游客变化规律
  • 第二步:需要统计不同时间段公园内人数
  • 第三步:要呈现游客在不同时间段的变化规律,使用折线图来呈现


<!DOCTYPE html>
<html lang="en">
    <head>
        <meta charset="UTF-8" />
        <meta name="viewport" content="width=device-width, initial-scale=1.0" />
        <title>公园24小时游客人数变化图</title>
        <style>
            html,
            body {
                width: 100%;
                height: 100%;
            }
            #container {
                width: 600px;
                height: 600px;
                border: 1px dashed #fa8072;
            }
        </style>
    </head>
    <body>
        <script src="https://d3js.org/d3.v6.js"></script>
        <script src="https://unpkg.com/spritejs@3/dist/spritejs.min.js"></script>
        <div id="container"></div>
        <script>
            const { Scene, Sprite, Polyline, SpriteSvg } = spritejs;
            (async function () {
                const data = await (await fetch("./data/park-people.json")).json();
                // 用到 d3.rollups 它可以对数据进行分组,然后汇总
                const dataset = d3
                    .rollups(
                        data,
                        (v) => v.length,
                        (d) => d.time
                    )
                    .sort(([a], [b]) => a - b);
                // 假设公园是早晨 6 点开门,晚上 22 点关门,此时游客数为0
                dataset.unshift([6, 0]);
                dataset.push([22, 0]);
                console.log(dataset);
                const scene = new Scene({
                    container,
                    width: 600,
                    height: 600,
                    displayRatio: 2,
                });
                const fglayer = scene.layer("fglayer");
                // 把数据转换成要显示的折线上的点坐标
                const points = [];
                dataset.forEach((d, i) => {
                    const x = 20 + 20 * d[0];
                    const y = 300 - d[1];
                    points.push(x, y);
                });
                // 用 SpriteJS 创建 Polyline 元素,把这个折线点坐标传给它
                const p = new Polyline();
                p.attr({
                    points,
                    lineWidth: 4,
                    strokeColor: "salmon",
                    smooth: true,
                });
                fglayer.append(p);
                // 创建坐标轴
                // 设置 domain 从 0 到 24,表示一天的 24 个小时,range 从 0 到 480,表示占据 480 像素宽度。
                const scale = d3.scaleLinear().domain([0, 24]).range([0, 480]);
                // 通过 d3.axisBottom 高阶函数,用创建的 scale 来生成一个具体的坐标轴算子 axis
                const axis = d3
                    .axisBottom(scale)
                    .tickValues(dataset.map((d) => d[0]));
                const axisNode = new SpriteSvg({
                    x: 20,
                    y: 300,
                    flexible: true,
                });
                d3.select(axisNode.svg)
                    .attr("width", 600)
                    .attr("height", 60)
                    .append("g")
                    .call(axis);
                axisNode.svg.children[0].setAttribute("font-size", 20);
                fglayer.append(axisNode);
            })();
        </script>
    </body>
</html>


第四步:大致就得到了一天中游园人数的变化趋势,这对公园来说是有一些参考价值的。

f454eabc955f4fd399ec8b587619768a.png



目录
相关文章
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
如何理解数据分析及数据的预处理,分析建模,可视化
如何理解数据分析及数据的预处理,分析建模,可视化
49 0
|
3月前
|
存储 数据处理 API
数据处理
【8月更文挑战第21天】
38 1
|
数据采集 SQL 分布式计算
81 网站点击流数据分析案例(数据预处理功能)
81 网站点击流数据分析案例(数据预处理功能)
87 0
|
消息中间件 数据挖掘 Kafka
实时数据分析演示
实时数据分析演示
|
数据采集 SQL 数据挖掘
数据预处理-数据解析-总结及预定数据分析|学习笔记
快速学习数据预处理-数据解析-总结及预定数据分析
158 0
数据预处理-数据解析-总结及预定数据分析|学习笔记
|
数据可视化 前端开发 数据挖掘
Pandas数据分析:快速图表可视化各类操作详解+实例代码(一)
Pandas数据分析:快速图表可视化各类操作详解+实例代码(一)
304 0
Pandas数据分析:快速图表可视化各类操作详解+实例代码(一)
|
数据可视化 数据挖掘 大数据
Pandas数据分析:快速图表可视化各类操作详解+实例代码(二)
Pandas数据分析:快速图表可视化各类操作详解+实例代码(二)
176 0
Pandas数据分析:快速图表可视化各类操作详解+实例代码(二)
|
数据可视化 数据挖掘 大数据
Pandas数据分析:快速图表可视化各类操作详解+实例代码(三)
Pandas数据分析:快速图表可视化各类操作详解+实例代码(三)
368 0
Pandas数据分析:快速图表可视化各类操作详解+实例代码(三)
|
人工智能 数据可视化 安全
数据分析选它就对了,只需三步轻松搞定数据可视化分析
随时时代的不断发展,云计算,大数据,人工智能,物联网,5G这些新兴行业不断演进,快速的决策与行动能力已经成为每一家企业的必备能力,但是往往数据分析相关的采购成本高,链条长,技术复杂度高,让企业遥不可及,针对这些问题,今天就给大家分享一款简单易用的大数据可视化分析工具,让每家企业都能拥有数据洞察能力。 NBI一站式数据可视化分析平台 NBI一站式大数据分析平台作为新一代自助式、探索式分析工具,在产品设计理念上始终从用户的角度出发,一直围绕简单、易用,强调交互分析为目的的新型产品。我们将数据分析的各环节(数据准备、自服务数据建模、探索式分析、权限管控)融入到系统当中,让企业有序的、安全的管理数
数据分析选它就对了,只需三步轻松搞定数据可视化分析
|
数据处理
R分享|玩转数据处理120题
通过github获取大佬们开源项目的源代码和数据,并且理解大佬们便编写代码的技巧和思想,这是进阶R以及其他语言的最有效方法之一了。
110 0
R分享|玩转数据处理120题