大数据可视化

　　在大数据可视化这个概念没出现之前，其实人们对于数据可视化的应用便已经很广泛了，大到人口数据，小到学生成绩统计，都可通过可视化展现，探索其中规律。如今信息可以用多种方法来进行可视化，每种可视化方法都有着不同的侧重点。在大数据时代，当你打算处理数据时，首先要明确并理解的一点是：你打算通过数据向用户讲述怎样的故事，数据可视化之后又在表达什么？通过这些数据，能为你后续的工作提供哪些指导，是否能帮读者正确地抓住重点，了解行业动态？了解这一点之后，你便能选择合理的数据可视化方法，高效传达数据，你的数据才是有价值的数据。那究竟该如何做好数据可视化？
 

 

　　数据的特性：

　　数据可视化，先要理解数据，再去掌握可视化的方法，这样才能实现高效的数据可视化。在设计时，你可能会遇到以下几种常见的数据类型：

　　量性：数据是可以计量的，所有的值都是数字

　　离散型：数字类数据可能在有限范围内取值。例如：办公室内员工的数目

　　持续性：数据可以测量，且在有限范围内，例如：年度降水量

　　范围性：数据可以根据编组和分类而分类，例如：产量、销售量
 

　　合理的可视化图表

　　比较类柱状图

　　比较类图表显示值与值之间的不同和相似之处。使用图形的长度、宽度、位置、面积、角度和颜色来比较数值的大小，通常用于展示不同分类间的数值对比，不同时间点的数据对比。

　　柱形图有别于直方图，柱状图无法显示数据在一个区间内的连续变化趋势。柱状图描述的是分类数据，回答的是每一个分类中"有多少？"这个问题。需要注意的是，当柱状图显示的分类很多时会导致分类名重叠等显示问题。
 

　　分布类散点图

　　分布类图表显示频率，数据分散在一个区间或分组。使用图形的位置、大小、颜色的渐变程度来表现数据的分布，通常用于展示连续数据上数值的分布情况。

　　散点图也叫X-Y图，它将所有的数据以点的形式展现在直角坐标系上，以显示变量之间的相互影响程度，点的位置由变量的数值决定
 

　　占比类饼图

　　占比类图表显示同一维度上的占比关系。饼图广泛应用在各个领域，用于表示不同分类的占比情况，通过弧度大小来对比各个分类。

　　饼图通过将一个圆饼按照分类的占比划分成多个区块，整个圆饼代表数据的总量，每个区块（圆弧）表示该分类占总体的比例大小，所有区块（圆弧）的加和等于100%。
 

　　趋势类折线图

　　趋势类图表显示数据的变化趋势。使用图形的位置表现数据在连续区域上的分布，通常展示数据在连续区域上的大小变化的规律。

　　折线图用于显示数据在一个连续的时间间隔或者时间跨度上的变化，它的特点是反映事物随时间或有序类别而变化的趋势。

　　当然，大数据可视化的图表远远不止以上几种，最关键的是如何利用好这些工具及图表，归纳起来，一名数据可视化工程师需要具备三个方面的能力，数据分析能力、交互视觉能力、研发能力。

　　不管你用什么工具，不管你用什么图表，别忘了你的目的是理解数据，这才是大数据可视化真正的魅力所在。