数据可视化展现

数据可视化展现A·前言如何从数据中获取重要的信息或者是可用的信息一直是大部分数据工作人员的一个问题，然而如何从数据展示自己想要表达的信息又是一门科学，一般的数据展示有表格和图表展示，然而表格展示数据也有它的优点，就是能将大量丰富的信息放在一张表中，缺点也是又信息过于大量，无法让看表格的人一下子就能找出他们可用的信息，也无法掌握数据走向和趋势。

图表展示传统中又有柱形图，散点图，折线图，饼图，堆积图，热力图等，这些图形如何选择，如何在这些图形中加入自己想要表达信息的元素，也是各个不相同的。

B .1散点图散点图，就是用点再坐标上表示数据，坐标系又分笛卡尔坐标（一般的X和Y 坐标），和极坐标等，大部分的散点图都是笛卡尔坐标来展示数据，比较直观的表达数据信息，但是有时候表达了数据信息并没有表达了自己的信息，如下这是一个R软件的内置数据diamonds所做出来的图，,这个数据收集了历年卖出去钻石的信息，横轴表示的钻石的克拉数，纵轴表示钻石的数量，我们可以从图中得出得出0.4克拉的钻石是出现最多的，在0.4到1之间的克拉钻石数量高于其他克拉数，如果我们还想从这幅图中得到一些其他的信息呢？在这幅图上，如果我们想探究这个数量有没有和数量该怎么办，这时候我们就可以在这幅图加上另外一个密度变量进去代表点的大小。

可以代表颜色，不过颜色一般情况下最好使用非连续变量才能看出效果，连续变量反而容易出现颜色梯度不大，不好区分。

下图是一个R软件的内置数据集，横轴表示的是发动机排量，纵轴表示的是，对高速公路耗油量，在根据气缸数给点上色，在根据发动机负载量控制点的大小，可以看出负载量和发动机排量是高度的相关。

如果出现的是大量的数据集，都聚集在图上，一时间上范围很大，无法寻找出有用的信息，这时候我们就该考虑控制该数据集的透明度了。

这时候我们能看出数据大部分都聚集在一个区域，点点和之间还可能出现重合，我们要缩小研究数据的范围，让看出者能一眼就能看出最频繁的数据出现在哪里，我们这里R软件里面有控制透明度，举个例子，例如点的透明度是2，也就是说这个点要重叠两次才能变清晰实点，如果透明度是200，也就是说这个点要在这个位置上重叠出现200次才能变为实点。

这个是透明为10的散点图，另外i，控制透明度我们要根据数据散点量的大小去控制，不能拿盲目。

这个是透明度五十的散点图，数据范围渐渐缩小。

接下来我们在继续看看透明更高的图，能有什么变化。

这个是透明度为两百的散点图，基本上数据范围可以锁定在横轴table值为54到59之间，depth值为60到65之间。

更见方便了研究数据。

散点图不仅可以展示数据的聚集区域，还可以用来展示数据的区域，例如如下；这是一个R软件内置数据聚集，横轴是克拉数，纵轴是价格，这样我们很容易看得出来价格和克拉数是正相关的，能不能加点东西让它们的关系变得更为明显，为此，我们可以用一条拟合直线来加在图上，这样不失原图信息，又可以特别直观的表达价格和克拉之间的关系。

这是在用原数据集上加了一条拟合的回归直线，能够清楚的看出它们之间的关系。

B.2折线图折线图有很多的优点，它能够很好的表达数值的精准度，和数据的趋势，所以我们常常在表达数据的趋势和时间序列的时候选择折线图去作为展示，如何用在折线图增加我们想要表达的信息给别人，让别人一目了然呢，也需要我们去摸索。

前面我说过，散点图也可以表达出趋势，也可以用来表示时间序列。

下面是我用一个美国邮费率的时间序列图。

果。

特别直观的表达了邮费的随着上升的趋势，不过我们可以在思考，这幅图能不能在加点一点我们想要的东西向呢，例如让图更加具有可读性，把增长的量更明显的表现出来，接来下我们可以考虑一下将这个折线图改为梯度图。

这改变后的梯度图看上去更加的具有可读性，能之间反映出了增量的大小。

不过梯度图应用具有局限性，梯度图往往都是用来展示一两个指标或者变量，当用来展示多个指标或者变量的时候，图往往变得很混乱，所以要视情况而使用。

折线图我们还可以给他加上一些背景信息，让观看者更容易明白图的背景信息，下面是一张美国犯罪案件的时间序列图。

从这图上看我们可以知道案件次数出现了周期性的波动，大体走向如何我们无法从图上得知，如果我们想要展示大体走势的时候我们可以考虑一下散点图的办法，给折线加上一条拟合的直线，这样可以清楚的看出大体趋势。

总体趋势上来看，案件的次数随着年份缓慢的增长；如果我们在这幅图展示和时间背景有关的信息呢，这下我们又如何去做呢，这时候我们可以考虑用颜色来表示时间的背景这时候粉色代表的民主党执政的时候，那个浅蓝色代表的是共和党，在横坐标上在加上具体的执政总统，可以清楚的发现美国的犯罪次数在哪个党执政上是下滑的，哪个政党是上升的，都能够清楚表达出信息，有次思考我们可以考虑加一些其他相关的背景，例如，经济是否大萧条，或者当在是以日为度量单位的时候可以考虑是否节假日等。

竟然说到了度量单位了，那如果度量单位相同，数量级别差别很大，我想展示的话怎么办，如果放在一起展示的必定会导致一部分信息被覆盖，无法从图中得知。

如图下从上图中我们只能看出最上面的那条直线，而下面的直线几乎接近为直线要重叠了，可读性特别差，这是由于数量级别上的差异造成的，那我们想法全部展示，这就要使用到分页，将Y值分开展示；如，这样在每条直线上都标注名字，全部都展示在一副图上，可读性很强，每条直线的信息都原原本本的给保留下来了；当我们想探究多个变量之间的关系是否是相同，分布是否一样，这样可以将多条折线都放在一个图上，并加上颜色区分。

可以从这张上看出多个变量之间的分布，峰值，起落有多处是相似的，从而可以初步判断是否是关联的，如果要检验的话我们要考虑用到模型去检验了，这里不多说。

从而可以分辅助我们去判断。

C 柱状图柱状图也有一些时候可以表达出散点图和折线图的效果，例如趋势，和数据的一些分布。

在表达数值的精准性上，点》线》条形，我们如果在这些条形的图中得到我们的想要的信息还得根据变量类型去分析。

下面是一个柱状图从上图看我们可以知道各个变量的大小，也可以知道各个变量在变量之间的数值大小的水平，这是它给我们展示的信息，那我们可以思考，如果是多个变量组成的一个数值呢，下面是并列的方法去展示，例如像下图的一样，我们使用了分页，各个，横轴DEFGHIJ代表是切工大类，下面是小字是产地的细分，纵轴代表数量这图上能够区分切工根据产地的数量分布，我们想办法让这些产地更加的明显，我们可以考虑给产地加上颜色去区分。

然后在调整一下字段，使它看上去没有那么凌乱。

清晰整洁的表达出我们想要的信息，这是使用了并列图的表达方式。

如果是使用堆积图的表达方式呢。

下面就是堆积图，是由几个变量值组成一个变量的，我们想要如何去表这些变量值呢，一般情况下我们大部分都考虑使用颜色的深浅，深浅去对比。

里如下图，我们是使用灰色和黑色去区分值的组成部分；从上图中我们可以看得这个柱状图的值是由几部分组成的，那些值是占大部分，那些是小部分，如果是时间序列的话我们就可以判断哪些组成部分是上升或者下降。

从上图中，横轴是时间。

纵轴是前三名比赛吃热狗冠军季军亚军之和，我们用颜色来区分这些组成的名次，可以清楚得知这个数值的结构随着时间的变化，数值结构也在慢慢的发生变化；就像前三名名吃的量越来越多，延伸到其他指标的解读可以，例如可以得出那些是改善了，那些是恶化了；有时候我们只是想探究这些值组成大小，也就是比例问题，这时候我们就可以将总值变为100%展示；这个数值是用百分比来表示，这个奥巴马政府政治政策的民意调查，从上图可以得知那些政策是支持率较高，如果将横轴表示为时间，则清楚得知这一指标的变化。

前面说过，不同的信息需要不同的展示方式，因为变量的不同，我选择的方式也得不同，如果我们只想突出某个变量呢。

我就得用颜色去突出它，形成对比；例如下图是历年来吃热狗大赛中夺冠的记录；横轴代表的是年份，纵轴表示的是夺冠吃热狗的数量，这幅图上得得出夺冠记录数随着年份在增长，无法在从图中得出其他的信息，如果我们在这幅图上加上一写颜色的对比，例如我们只显示打破记录的年份和热狗记录数；考虑使用颜色对比；我们选用暗红色代表打破记录数，其他的颜色用浅灰色，这样造成了鲜明的对比，更加的突出显示了打破纪录这个年数，为此我们可以延伸一下，我们可以用颜色代表其他的变量，例如国家。

这样容易看出是哪国人获得冠军，不过建议在用颜色做为变量划分的时候，最好不要超过四个，变量多了容易造成混乱。

可读性也不强。

D 地图地图去展示能够让人有个很好的定位感，因为背景都是地图，从而能知道事件发生的区域，清晰了解事件在地图上的分布；为决策者做决策提供依据，如何将自己想要表达的信息展示在地图上呢，有几种选择，点，气泡，颜色填充等，点地图上应用大部分都是作为定位去使用，例如下图；这是使用R语言内置数据库包所编写出来的，下图反映的时候美国客流量前二十的州机场地方但却很难表达出在这个地图上客流量的排名先后，为此我想办法给点加上大小，这也就成了气泡，将客流量这个因素加到点中，结合图例，也就容易的发现排名的先后；如果地点扩展到整个州，这时候点的大小是无法把信息表达出来的；这时候就需要借用颜色填充的效果去展示这个图片，利用颜色的深浅来代表数值之间的差异；例如下图是展现出现了美国各个州暴力事件的次数；颜色越是明亮案件发生的次数越是频繁，一眼就能够看出各个州之间的差异，不过颜色填充也有确定，因为它无法具体反映出数值的差异大小，因为在要素比较中，精确程度是点>线>条形>颜色；我们在举一个例子，下图是描述世界安全用水地图展示，从上面来看，欧美国家安全用水程度是最高的，基本人口比例都达到了百分之百，亚洲和南美洲的大部分国家都是达到百分之九十以上，非洲的情况最为糟糕，基本都在百分之九十一下，这和非洲常年干旱和战乱可能有关系，所以得引起世界的重视。

E 矩形图假如你需要展示很多的指标，可能十几个，这个或许可以选择柱形图；那如果有一百个指标需要你去展示呢，柱形图也许也可以，如果我们需要加上一些区分，例如指标的归属，类别等，在这么庞大的指标下，柱形图就会容易变得十分混乱，可读变差，这时候我该考虑一下矩形图；它可以代替我们想要展示的部分；例如这矩形有文字的代表一个栏目，栏目有规则的矩形方块代表了一个文章，而方块的大小代表了浏览量，而颜色的高低代表读者对文章的评分；这样可以清楚的知道那个栏目的文章总体得分，流量情况都可以这张图上找到，也不让感觉这张图的混乱，可读性和美观性都特别强；F 热力图热力常常用去展示多个评价指标去比较另外评价对象，热力图不限优点是在不限指标的数量和评价对象的数量；缺点是无法精确反映比较的差别值，只能看出差异所在；要注意就是颜色的代表只能是要么全部是正向指标，要么就是负向指标；下面一张图是R软件的内置数据集所做出来的热力图，横轴是评价的指标，纵轴是代表的各个样式的车型；颜色越深表示越好；从而可以从图上找出当CYL,DISP,HP,好的时候，指标SEC,VS,AM,GEAR往往会比较低，然而当SEC,VS,AM,GEAR这几个指标较好的时候，往往CYL,DISP,HP表现较差，这也就是可以说明这两组指标可能存在相关的关系，也可以说明，汽车的全部性能无法全部兼顾；当你不喜欢这样的颜色的时候还可以改热力图的颜色，选择你喜欢的颜色；下面的数据来源是NBA官网数据，横轴表示的是评价指标；纵轴代表的是NBA的球员；。