当前位置:网站首页>数据可视化之特别案例的运用与分析
数据可视化之特别案例的运用与分析
2022-06-09 06:40:00 【迪赛智慧数可视化互动平台】
数据可视化作为一个新研究领域也变得越来越火。成功的数据可视化,不仅停留在做得漂亮,更是富含的深意,哪怕是数据错综复杂,也能让观看者一眼就能洞察其所代表的含义并产生新的理解。
传统的数据图表很难对复杂的数据进行直观地展示。基本的可视化数据图表有,如折线图、柱状图、散点图、饼图等,这些简单的图表使用Excel就能生成,这也是最常见的可视化方法,这些图表所用的范围也很广泛,可以解决绝大多数的数据可视化。但即便如此这些最佳图表也是有局限性的,对于一些特定的数据就很难展现,而且其标准性和普遍性意味着它们缺乏新颖性。
直观地传递数据期望表达的信息是需要特定的图表类型来展示。例如,人口年龄结构、社会关系、多维度的数据、地理空间数据,常见的图表都很难将这些数据可视化,这类数据就需要特定的图表来可视化。
一起来了解几个经典的可视化,观测它们是如何充分利用数据并与数据相辅相成最终完美呈现的。
- 正负条形图——人口年龄金字塔
人口年龄金字塔具有反映人口年龄结构状况的作用,因其呈现的样式像埃及金字塔而得名的金字塔结构,人口年龄金字塔是根据各年龄段的男女数量来确定绘制的。
人口年龄金字塔一般为上宽下窄,我国现人口年龄金字塔15岁至19岁以下的,金字塔底部呈现收紧状态,这是由当时人口出生率逐渐下降造成的。通过数据的呈现,不难发现我国现人口年龄结构与日本九十年代人口年龄结构类似。

- 物体结构图——牛肉分解图
牛肉分解图,在一些西餐厅都能看见这图。西冷、菲力、眼肉、牛腩这些是我们耳熟能详的牛肉,但它具体指的是牛的哪个部位,想必很多人都不清楚。这时数据可视化的优势就体现出来了,通过物体结构,将牛身上的不同部位清晰的呈现出来。这是数据可视化用于生活融于生活的最好例子。

- 自由关系图——《西游记》人物关系详解
人物关系图能够将各要素以及人之间的关系的可视化,能快速理清各要素人、各人物之间的关系,迅速知道他们的人名。有些书中就会附录人物关系的图,便于理清人名和剧情。常见的人物关系图莫过于四大名著,《红楼梦》的人物关系图、《西游记》的人物关系图等。
下图是《西游记》的人物关系图。

下图将人物关系图换一种呈现方式,换成环形关系图,各人物之间的关系更好理解,如孙悟空的人物关系。

- 飞线地图——北京市人才流动
地理空间的数据,需要特定的地图图表来呈现,最常见的就是世界地图、中国地图。下图是北京市的人才流动情况,人才从全国各个地区流入,数据多而复杂,单纯的依靠Excel来呈现不仅不便于数据的理解而且很繁杂。用飞线地图可视化来呈现十分简单易懂,人才从哪个省市流入显而易见。

通过以上的几个可视化例子,相信大家已经惊叹于上面的可视化效果,给人眼前一亮、耳目一新的感觉。实现这些可视化效果不用复杂代码高级技术,只需要使用数据可视化软件即可。
边栏推荐
- Ruoyi mind map
- sparksql处理数据倾斜问题常见思路
- 自己写的小工具,pillow库将图片转为buf
- 二叉树的递归套路
- The BSP tailoring of the Quanzhi platform (1) kernel tailoring -- tailoring of debugging tools and debugging information
- UML系列文章(23)高级行为---进程和线程
- MySQL federated query
- [raspberry pie 4B deep learning Yolo] Chap.1 configure a Yolo model for raspberry pie (Darknet nnpack) [deep learning moves]
- BSP tailoring (2) attachment 1 General setup configuration description
- MongoDB出现Error parsing command line: unrecognised option ‘--fork‘ 的解决方法
猜你喜欢

Recursive routines of binary trees

Chapter_ 03 mask operation of matrix

Qt--- create dialog box 1: implementation of the subclass search keyword dialog box of qdialog
![[raspberry pie 4B deep learning garbage classification] Chap.3 raspberry pie installs opencv and tests the garbage classification of the real-time video stream of the video interface [deep learning mo](/img/70/c32c5f27eafab27c4d4e131cb18a71.jpg)
[raspberry pie 4B deep learning garbage classification] Chap.3 raspberry pie installs opencv and tests the garbage classification of the real-time video stream of the video interface [deep learning mo

Two integers compare sizes. Why is 100 equal to 1001000 not equal to 1000?

Matlab: tf2zp与tf2zpk的差异

PPT导入视频裁剪后,如何裁剪后的视频另存为保存下来?

RNN and its improved version (with 2 code cases attached)

【PPO姿态控制】基于强化学习(Proximal Policy Optimization)PPO训练的无人机姿态控制simulink仿真

fastadmin 自定义导出的excl表名称+时间
随机推荐
CodeBlocks always repeat the last result
多线程并发-私有构造函数捕获模式
量化交易之MySql篇 - mysql数据库 增删改查
Yum command error: rpmdb open failed
BSP tailoring of Quanzhi platform (3) Appendix II: description of kernel hacking configuration
error: subprocess-exited-with-error(fasttext)
Yolov4 analysis | Part 2: training your own data set with yolov4 (super detailed full version)
UML系列文章(23)高级行为---进程和线程
微信小程序 思维导图
MySQL federated query (multi table query)
Hummingbird e203 image recognition -- to be continued
MySQL version 8.0.28 installation and configuration method graphic tutorial
MySQL federated query
cms 和 g1的主要區別
Log parsing of G1
Fastadmin custom exported excl table name + time
[raspberry pie 4B deep learning garbage classification] Chap.2 vgg16 & alexnet garbage dataset image classification, with a good project link [deep learning moves]
Pour un ingénieur logiciel expérimenté, qu'est - ce qui aurait pu être un nouveau langage de programmation préféré pour l'apprentissage?
戒烟日志_01 (day_02)
ZGC message type and trigger time