

首页  思维导图  详情



数据可视化-简单选图流程

2022-09-17 14:58:23   0  举报





AI智能生成

数据可视化方向归纳

读流程

写流程

模版推荐

作者其他创作

大纲/内容

科学可视化

二维可视化<br>

三维可视化<br>

多维数据可视化

信息可视化<br>

文本可视化

目标：直观展示文本中蕴含的语义特征（词频与重要度、逻辑结构、主题聚类、动态演化规律等）

研究现状

文本内容

词频

标签云

词汇分布

柱状图

文本关系

文本内在关系

网络图

后缀树

径向空间填充

文本外在关系

网络图

文本地图

TreeMap

多层面

时间与其他信息结合

标签云+折线图

叠式图

螺旋图

其他多层面信息

标签云+平行坐标轴

文本密度图

基本方法

文本分析

可视化呈现

交互

高亮

缩放

动态转换

关联更新

焦点加上下文

时空数据可视化<br>

目标

对时间与空间维度以及与之相关的信息对象属性建立可视化表征

展示与时间和空间密切相关的模式及规律

时间序列数据

实时性

高维性

地理空间数据

研究现状

地理空间

研究方向：位置分布、时空迁移、关系、动态演变规律等

城市交通GPS数据（出行，监控、车辆流量）、飓风数据等

地震数据、海啸灾害数据和卫星观测资料、动物迁徙数据等

大气卫星、气象（风场、温度场以及相对湿度）、空气质量数据

人文历史

地理位置变化、时间变化、特殊事件等

社交活动（城市事件、网络社交媒介数据）

经济行为（通讯数据、人口普查数据）

历史事件

表现形式

流式地图

结合边捆绑

结合密度图技术

时空立方体

结合技术

散点图

密度图

堆积图

多维平行坐标轴与传统地图

多维可视化

目标：探索多维数据项的分布规律和模式，揭示不同维度属性之间的隐含关系

研究现状

基于传统关系数据库以及数据仓库中的多维度数据变量

高纬度*（数据规模扩张）

可视化技术

几何

表现形式

平行坐标

特色案例（平行坐标系）

1、二维空间结合多维数据

2、交互式筛选数据更改显示比例

3、降维数据结合平行坐标系

散点图矩阵

优势：

1、变量之间的关系清晰直观

2、规律性强

劣势：

1、屏幕尺寸受限

2、超过三维时显示不直观需结合人机交互技术优化

Andrews曲线法

特点：

1、多维数据结合周期函数

2、易通过曲线感知数据聚类情况

特点

结合坐标系

图标

表现形式

几何图形

代表性方法：

星绘法

Chernoff面法（优选）

特点：

以图标的不同特征属性体现信息维度

实际应用

降维映射

表现形式

多维点的坐标映射

降维映射

线性降维（主成分分析）

非线性降维（等距映射）

实现

特征选择

特征提取

实际应用（适用于没有代表性特征属性的信息数据集）：

层次结构

图结构以及混合

实际应用

企业信息系统

商业智能系统

网络可视化

网络结构类数据

目标：直观表达层次结构数据的潜在模式关系

研究现状

计算机网络、物联网、通信网络、交通网络、电力网络、商业和金融网络、社交网络等

社交网络的状态识别和规律分析

具有地理位置的实体流动网络分析

可视化技术

力引导布局

圆形布局

地图布局

相对空间布局

聚类布局

时间布局

手工布局

随机布局

层次信息类数据

研究现状

具有层次结构的数据：图书馆标签、计算机层次系统等等

可视化方法

基于节点和边的可视化

H-Tree

圆锥树Cone Tree

气球图Balloon View

放射图Radial Graph

三维放射图

双曲树

空间填充法

树图

信息立方体

混合方法

弹性层次

层次网

案例

信息图形

视觉设计

 Collect

Get Started

数据可视化-简单选图流程

 Collect

Get Started

可视化模型

 Collect

Get Started

数据可视化基础至少梳理

 Collect

Get Started

数据可视化图表





0 条评论

下一页