数据可视化常见的图形类型有哪些？一看就懂

2022-03-2622:05:49已关闭评论

数据可视化类型简介

数据可视化是指数据的图形化表示，为决策者提供基于事实的分析，因为文本数据可能无法揭示识别数据所需的模式或趋势；基于可视化，它被分为6种不同的类型，即时态（数据是线性和一维的）、层次型（它可视化更大组中的有序组）、网络型（涉及数据集与数据集连接的可视化）、多维型（时态类型的对比）、地理空间型（涉及地理空间或空间地图）和杂项

什么是数据可视化

数据可视化（Data visualization）是一种将原始格式的数据描绘出来以揭示其含义的方法。随着大数据的出现，有必要建立一种有意义的方式来展示数据，这样数据量就不会变得势不可挡。描述数据的部分可以用于各种目的，例如发现数据中的趋势/共性/模式，为机器学习建立模型，或用于聚合等简单操作。

Hadoop、数据科学、统计和；其他

不同类型的数据可视化

数据可视化大致分为6种类型。尽管数据可视化领域在不断增长，但如果类别的数量增加，也就不足为奇了。

</t车身>

时态：这些可视化类型的数据应该同时满足两个条件：所表示的数据应该是线性的，并且应该是一维的。这些可视化类型通过可能重叠的线表示，这些线有一个共同的开始和结束数据点
散点图	使用点表示数据点。当今世界最常见的是在探索性数据分析期间进行机器学习
饼图	这种类型的可视化包括圆形图形，其中弧长表示大小
极区图	与饼图一样，极区图是一个圆形图，只是扇形角的长度相等，从中心延伸的距离表示大小
直线图	与散点图一样，数据由点表示，除了用线连接以保持连续性之外
时间表	通过这种方式，我们按照时间顺序显示数据点列表
时间序列序列	在时间序列中，我们以数据中时间戳的时间顺序在二维图中表示数据的大小
层次化：这些类型的可视化描述了一个更大的群体中的有序群体。在简单的语言中，这些可视化背后的主要直觉是，如果簇的流动从一个点开始，那么簇可以被显示
树形图	在树形图中，层次流以树的形式表示，顾名思义。这种表述的几个术语是： –根节点：起始点。 –子节点：上面有一个父节点 –叶节点：不再有子节点
环图/日暴图	树形图中的树表示将转换为径向基。这种类型有助于以简洁的大小呈现树。最里面的圆是根节点。子节点的面积表示数据的百分比
TreeMap	树以紧密排列的矩形表示。面积表示包含的数量
圆形包装	与树形图类似，它使用圆形填充而不是矩形
网络：这些类型的可视化将数据集连接到数据集。这些可视化描述了这些数据集在网络中如何相互关联
矩阵图	这种可视化被广泛用于发现不同变量之间的联系。例如，相关图
冲积图	这是一种流程图，其中网络流量的变化按用户所需的时间间隔表示	&nbsp；
单词云	这通常用于表示文本数据。单词紧密排列，文本的大小表示单词的频率	&nbsp；
节点链接图	在这里，节点被表示为点，节点之间的连接被显示
多维：与时间类型的可视化不同，这些类型可以有多个维度。在这种情况下，我们可以使用2个或更多功能通过并发层创建三维可视化。这将使用户能够通过破坏大量无用数据来呈现关键要点
散点图	在多维数据中，我们选择任意两个特征，然后将它们绘制在二维散点图中。通过这样做，我们将得到ⁿC₂=n（n-1）/2图
堆叠条形图	表示段彼此重叠。它可以是一个100%堆叠条形图，其中分离以%表示，也可以是一个简单的堆叠条形图，表示实际大小
平行坐标图	在这种表示法中，绘制了一个背景，并绘制了n条平行线（对于n维数据）
地理空间：这些可视化通过与地图（可能是地理空间或空间地图）交叉，与现实生活中的物理位置相关。这些形象化背后的直觉是创造一个整体的绩效观
流程图	信息或对象从一个位置移动到另一个位置，箭头的大小表示数量
Choropleth地图	地理空间地图根据特定的数据变量着色
Cartogram	这种类型的表示使用主题变量进行映射。这些地图歪曲现实来呈现信息。这意味着在特定变量上，贴图被放大了。例如，左侧的图像是扭曲为蜂巢结构的空间地图。 &nbsp
热图	这些与地理空间类型中的Choropleth非常相似，但也可用于地理空间以外的区域
杂项：这些可视化不能在一个特别大的群体中推广。因此，我们没有为单个类型形成较小的组，而是将其分组为其他类型。以下是几个例子：
开盘高点低点收盘图	这类图通常用于股票价格表示。上升趋势称为看涨，下降趋势称为看跌
卡吉图	通常情况下，资产的需求和供应用该图表表示