数据可视化之美：让你的数据活动起来！
Posted 数据分析
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了数据可视化之美：让你的数据活动起来！相关的知识，希望对你有一定的参考价值。
现如今无论是工作汇报、产品设计、后台设计甚至是数据大屏，越来越多的行业需要和数据打交道，数据几乎无处不在，任我们取用。然而同样的数据给人的感觉可能会千差万别：或冰冷枯燥，让人望而生畏、百思不解其意；或生动有趣，让人豁然开朗。数据需要通过一种特别的方式来展示并且让人们一目了然地了解到它背后的含义，这就是数据可视化技术；掌握了它，茫茫人海中的大数据也能讲出生动的故事，给人们带来直观的视觉感受，方便人们对未来发展做出预测和决策。
数据(data)，是指未经过处理的原始记录；可视化(visualization)，是指一种视觉上的认知效果，因此数据可视化，顾名思义则是关于原始记录经过清洗、整合后得到的数据视觉表现形式的科学技术研究。子曾经曰过：文不如表，表不如图。在信息爆炸的大数据时代，如何从海量的数据中快速提取到人们最感兴趣的内容并形象地呈现出来，是数据可视化研究的主要目标。试想当你给老板做汇报时，你是打算用密密麻麻、没完没了的报表逐条阐述几个小时到口干舌燥还是准备几页图表在几分钟内就能轻松做出精准的分析展示并且还能看到老板对你投来赞许的眼神？没错，确认过眼神，数据可视化就是你明智的选择。
数据可视化技术主要是根据现有对象创建新实体和度量从不同的维度选择可视化效果部件来分析并展示数据，实体(Attribute)是在数据中反映的业务概念，它提供了一个用于报告和分析业务事实或计算结果的上下文，比如我们可以说地区是一种实体，这个实体包含上海北京等城市元素，也可以说时间是一种实体，包括年、月或日期的数据元素；度量(Metric)是代表业务度量值和关键性能指标的对象，是在数据上执行的计算，类似于电子表格软件中的公式。因此，数据可视化就是创建包含可视化效果图来展示和探索业务数据，基于不同的实体维度来分析不同度量的指标计算结果。
目前数据可视化部件种类繁多，那么问题来了：面对同样的数据，用户该选择何种可视化部件来更恰当地展示自己的数据呢？其实，当你了解熟悉了每个可视化部件的特点甚至分类，就不难发现是有迹可循的。下面将通过一个简单的例子来介绍一些简单易用的主流可视化部件及使用场景。
以销售数据为例，假设英国某工厂希望通过数据可视化效果来分析当年的产品销售情况并挖掘出背后的规律，并对下一年的销售策略做出准确的决策。
首先从原始数据中经过清洗、合并得到分析的主要实体有国家(Country)、产品类别(Category)、时间(Month of Year)和主要度量有销售量(Sales)、客户量(No.of Customer)。
首先对这个问题做个思路转换，其实就是对销售出去的各类产品的销售量或者客户量进行对比。通过比较自然就能看出哪一类最受欢迎，哪一类最不够有卖点，从而挖掘背后的原因。因此，可以从实体产品类别(Category)和度量销售量(Sales)去分析，也可以从客户量(No.of Customer)的度量维度做分析。
这里以饼图(Pie Chart)、条形图(Bar Chart)为代表的图形矩阵家族最能一目了然地展示，并且通过设置阈值区间就能一眼看到最深的红色代表的Kitchenware和Decoration两类产品最受客户的欢迎啦！
条形图经过阈值、排序处理也能得到和饼图一样的答案喔，同时还能直观地看到数据显示！
此处也可选择热图(Heat Map)做可视化处理，颜色最深的红色通过阈值设置也表示该工厂的Kitchenware和Decoration两大类产品的客户购买量最多。
这个问题的线索最明显，当看到国家、地区、城市这些字眼基本就可以锁定答案关乎地区分布，最为经典的非地图(Map)或者地理空间服务(Geospatial Service)莫属了。从实体国家(Country)和度量销售量(Sales)去做可视化输入就能得到如下的分析效果，还能和平时常用的导航地图一样进行放大、缩小及旋转。同样地，颜色最深的红色通过阈值设置表示该工厂在英国(UK)本土和邻近国家以及澳大利亚销售额位居前列，并且本土的销售量遥遥领先。
这个问题同样的首先进行思维切换。问的是时间维度，自然想到本年度从1月到12月的趋势走向，代表可视化部件有折线图(Line Chart)、条形图(Bar Chart)、面积图(Area)。这里因为提到两个实体分别是销售量和客户量，因此可以考虑组合图表来实现两个以上度量对同一时间实体的趋势及对比分析。例如从1月到12月销售量和客户量的趋势变化，条形图代表客户量，折线图代表销售量，可以一眼看出11月份销售量和客户量均已达到高峰值，看上去和我们如火如荼的双十一剁手大狂欢很类似呢 以上是关于数据可视化之美：让你的数据活动起来！的主要内容，如果未能解决你的问题，请参考以下文章 Python可视化超详细Pyecharts 1.x教程，让你的图表动起来～