下载文档原格式
数据可视化分析综述随着大数据时代的到来，数据可视化分析在各个领域中的应用越来越广泛。
本文将对数据可视化分析进行综述，包括发展历程、方法、应用场景和未来发展方向等方面。
一、数据可视化分析的发展历程数据可视化分析起源于20世纪80年代，当时主要应用于商业领域。
随着计算机技术的不断发展，数据可视化分析逐渐扩展到其他领域，如科学、工程、医学、社会学等。
在大数据时代，数据可视化分析显得尤为重要，已经成为人们理解和解释数据的重要手段。
二、数据可视化分析的方法数据可视化分析的主要方法包括数据采集、数据预处理和数据可视化的实现方法。
1、数据采集数据采集是数据可视化分析的第一步，其主要目的是收集和整理需要进行分析的数据。
数据采集的方法有很多，包括调查问卷、数据库查询、API接口等。
2、数据预处理数据预处理是对采集到的数据进行清洗、去重、格式转换等操作，以便于进行后续的可视化分析。
数据预处理的方法包括数据清理、数据变换、数据归一化等。
3、数据可视化的实现方法数据可视化的目的是将数据以图形或图像的形式呈现出来，以便于人们理解和分析。
数据可视化的实现方法包括图表法、图像法、动画法等。
其中，图表法是最常用的方法之一，如柱状图、折线图、饼图等。
三、数据可视化分析的应用场景数据可视化分析在各个领域中都有着广泛的应用，下面介绍几个典型的应用场景。
1、商业领域在商业领域中，数据可视化分析被广泛应用于市场分析、营销策略制定、财务管理等方面。
通过数据可视化分析，企业能够更好地理解市场和客户需求，制定更为精准的营销策略，提高财务管理效率。
2、科学领域在科学领域中，数据可视化分析被广泛应用于气象预报、医学成像、物理模拟等方面。
通过数据可视化分析，科研人员能够更好地理解和解释科学现象，加快研究进程。
3、工程领域在工程领域中，数据可视化分析被广泛应用于建筑设计、桥梁结构分析、能源优化等方面。
通过数据可视化分析，工程师能够更好地理解建筑结构和桥梁的受力情况，优化设计方案，提高能源利用效率。
基于Python的股票数据可视化分析——以新能源汽车行业为例1. 引言新能源汽车产业是当前全球范围内备受关注的行业之一。
随着环保意识的增强和能源结构的改变，越来越多的国家和地区开始加大对新能源汽车的支持力度。
在这样一个进步快速的行业中，智能的数据分析工具可以援助投资者更好地了解市场动态，为投资决策提供有力支持。
本文将介绍如何使用Python进行股票数据的可视化分析，以新能源汽车行业为例。
2. 数据得到和预处理在进行股票数据可视化分析前，我们起首需要得到新能源汽车行业的股票数据。
可以通过一些公开的金融数据API或数据采集工具来得到近期的市场数据。
得到到数据后，我们还需要对数据进行预处理，包括数据清洗、去除异常值等，以保证数据的准确性和可靠性。
3. Python数据分析工具介绍Python是一种广泛使用的编程语言，拥有丰富的数据分析工具和库。
在本文中，我们将使用一些常见的Python数据分析工具，包括Pandas、Matplotlib和Seaborn等。
Pandas是Python中一个强大的数据分析库，可以用于数据的读取、清洗、转换和处理。
Matplotlib是一个用于数据可视化的库，可以绘制各种类型的图表，如折线图、柱状图、散点图等。
Seaborn是基于Matplotlib的一个高级数据可视化库，提供了更多的绘图样式和功能。
4. 数据可视化分析4.1 股票收盘价走势图股票收盘价走势图是最基本的股票数据可视化图表之一。
我们可以使用Matplotlib绘制新能源汽车行业某几只主要股票的收盘价走势图，并通过不同颜色的线条或面积填充来表示不同股票的价格变化。
4.2 日线来往量热力图除了股票价格的走势，日线来往量也是投资者关注的重要指标之一。
通过绘制新能源汽车行业某几只主要股票的日线来往量热力图，我们可以直观地了解到不同股票在一段时间内的来往活跃度。
4.3 相关性分析了解不同股票之间的相关性可以援助投资者更好地精通市场状况，以及分离投资风险。
交互式数据分析在当今数字化的时代，数据已成为企业和组织决策的重要依据。
而交互式数据分析作为一种新兴的数据分析方法，正逐渐改变着人们处理和理解数据的方式。
交互式数据分析，简单来说，就是让用户能够与数据进行直接的、实时的互动和交流，以更直观、更灵活的方式探索和分析数据。
它不再是传统的那种静态、预设好的分析报告，而是允许用户根据自己的需求和疑问，动态地调整分析的角度、筛选条件、数据组合等，从而获得更深入、更个性化的洞察。
想象一下，你是一家电商公司的运营经理，面对海量的销售数据，你不再仅仅依赖于每月固定的报表来了解业务情况。
通过交互式数据分析工具，你可以实时地筛选出特定时间段、特定地区、特定商品类别的销售数据，并且可以立即看到这些筛选条件对销售趋势、利润、库存等关键指标的影响。
你还可以通过简单的拖拽操作，将不同的数据字段进行关联和对比，发现之前可能被忽视的潜在关系和规律。
为了实现有效的交互式数据分析，需要有强大的技术支持。
首先，数据的存储和处理能力必须足够高效，以确保在用户进行操作时能够快速响应，提供实时的结果反馈。
其次，可视化技术也至关重要。
清晰、直观、富有表现力的图表和图形能够帮助用户更快速地理解数据的含义和趋势，从而更好地进行分析和决策。
此外，用户界面的设计也需要简洁、易用，让用户能够轻松上手，无需经过复杂的培训就能进行操作。
交互式数据分析在各个领域都有着广泛的应用。
在市场营销领域，通过对消费者行为数据的交互式分析，企业可以更精准地定位目标客户，制定个性化的营销策略。
在金融领域，分析师可以实时监测市场动态，及时发现潜在的风险和投资机会。
在医疗领域，医生可以通过对患者病历数据的交互式分析，更好地诊断疾病，制定治疗方案。
然而，要成功实施交互式数据分析，也面临着一些挑战。
首先是数据质量的问题。
如果数据不准确、不完整或者不一致，那么无论分析工具多么强大，都无法得出可靠的结论。
其次是数据安全和隐私保护的问题。
大数据分析的10种常见工具近年来，大数据已成为全球互联网和信息技术的一个热门话题。
作为一种宝贵的资源，数据可以帮助企业做出更明智的决策和市场分析。
在大数据时代，分析大量的数据是至关重要的，但是这种工作不可能手工完成。
因此，人们需要运用一些专业的工具来进行大数据分析的工作。
本篇文章将介绍10种常见的大数据分析工具。
一、HadoopHadoop是目前最流行的大数据框架之一。
它可以快速处理大量的数据，而且具有良好的可扩展性和容错性。
Hadoop分为两部分：Hadoop分布式文件系统（HDFS）和MapReduce框架。
HDFS用于存储大量的数据，而MapReduce框架则用于处理这些数据。
同时，Hadoop也可以集成不同的工具和应用程序，为数据科学家提供更多的选择。
二、SparkSpark是一种快速的分布式计算框架，可以处理大规模的数据，而且在数据处理速度上比Hadoop更加快速。
Spark还支持不同类型的数据，包括图形、机器学习和流式数据。
同时，Spark还具有丰富的API和工具，适合不同级别的用户。
三、TableauTableau是一种可视化工具，可以快速创建交互式的数据可视化图表和仪表盘。
该工具不需要编程知识，只需要简单的拖放功能即可创建漂亮的报表。
它还支持对数据的联合查询和分析，帮助用户更好地理解大量的数据。
四、SplunkSplunk是一种可扩展的大数据分析平台，可以帮助企业监视、分析和可视化不同来源的数据。
它通过收集日志文件和可视化数据等方式，帮助企业实时监控其业务运营状况和用户行为。
Splunk还支持触发警报和报告等功能，为用户提供更好的数据驱动决策方案。
五、RapidMinerRapidMiner是一种数据分析工具，可以支持数据挖掘、文本挖掘、机器学习等多种数据处理方式。
快速而且易于使用，RapidMiner可以快速分析和处理不同种类的数据。
该工具还提供了大量的模块和工具，为数据科学家提供更多的选择。
python股票数据可视化的案例一、概述Python是一种广泛使用的编程语言，可用于数据分析、数据可视化、机器学习等领域。
股票数据可视化是其中一个重要的应用领域，它可以帮助投资者更好地理解股票市场的趋势和变化。
本案例将介绍如何使用Python进行股票数据可视化。
二、所需软件和库1.Python：本案例将使用Python3.x版本。
2.数据源：需要获取股票数据，可以使用第三方数据供应商，如YahooFinance或Tushare。
3.数据可视化库：Matplotlib和Seaborn是常用的Python数据可视化库。
三、案例步骤1.导入所需库和数据源：使用Python导入Matplotlib、Seaborn 和数据源库，获取股票数据。
2.数据清洗和处理：对获取的股票数据进行清洗和处理，例如去除缺失值、异常值和重复值。
3.绘制基本图表：使用Matplotlib或Seaborn绘制基本图表，例如柱状图、折线图和K线图等，展示股票价格的变化趋势。
4.可视化高级指标：使用Python绘制高级指标的可视化图表，例如移动平均线、RSI指标、MACD指标等，帮助投资者更好地理解股票市场的趋势和变化。
5.添加标签和注释：在图表中添加必要的标签和注释，例如股票代码、股票名称、时间范围等。
6.保存和导出图表：将绘制好的图表保存为图片文件或导出为其他格式，以便分享和展示。
四、案例应用本案例可用于个人投资者、机构投资者和分析师等不同角色，帮助他们更好地了解股票市场的趋势和变化，做出更明智的投资决策。
此外，本案例也可用于教学和学习目的，帮助初学者了解如何使用Python进行数据分析和可视化。
五、案例总结通过本案例，您将了解如何使用Python进行股票数据可视化。
通过绘制基本图表和高级指标的可视化图表，您可以更好地了解股票市场的趋势和变化，从而做出更明智的投资决策。
此外，本案例还提供了简单的步骤和示例代码，帮助您快速上手。
在实践中，您可能需要根据自己的需求和数据集进行调整和优化。
体现大屏可视化1. 介绍大屏可视化是一种利用现代科技手段将大量数据以直观、美观、科学的方式呈现出来的方式。
通过将数据通过图表、图形、地图等形式展示在大屏上，可以让人们更加直观地理解和分析数据。
2. 大屏可视化的优势大屏可视化具有许多优势，使其成为现代数据展示与管理的重要工具：2.1 数据直观通过图表、图形等直观的方式展示数据，可以让人们更容易地理解和把握数据的含义。
复杂的数据集合可以被简化成易于理解和分析的可视化形式，帮助人们迅速获取有价值的信息。
2.2 决策支持大屏可视化可以帮助管理者和决策者更好地了解当前情况，并作出更明智的决策。
通过实时展示关键指标和趋势分析，可以帮助管理者及时调整策略，提高工作效率和决策质量。
2.3 数据交互性大屏可视化可以提供交互功能，让用户根据自己的需求进行数据的筛选、排序、对比等操作。
用户可以根据自己的关注点自由地进行数据的探索和深入分析。
2.4 团队协作大屏可视化可以在团队中共享数据和分析结果，促进团队成员之间的合作和沟通。
团队成员可以通过大屏共同参与数据的探索和讨论，促进合作精神和共同目标的达成。
3. 大屏可视化的应用场景大屏可视化在许多领域都有广泛的应用，以下是几个常见的应用场景：3.1 企业管理大屏可视化可以帮助企业管理者实时了解企业的运营情况。
通过展示关键指标、销售数据、员工绩效等信息，可以帮助管理者及时作出调整，提高企业的运营效率和利润。
3.2 金融分析大屏可视化在金融领域中也有着广泛的应用。
通过展示股市行情、投资组合分析、风险管理等信息，帮助投资者和分析师做出明智的投资决策。
3.3 城市管理大屏可视化在城市管理中也扮演着重要的角色。
通过展示交通流量、环境指标、安全预警等信息，可以帮助城市管理者及时调整交通策略、改善环境状况、提高城市的安全性。
3.4 教育培训大屏可视化在教育培训领域也有着广泛的应用。
通过展示学生数据、教学进度、学习成果等信息，可以帮助教师和学校了解学生的学习情况，及时调整课程和教学方法，提高教学质量。
数据分析中的数据可视化和交互式分析数据分析是一种基于数据的科学方法，旨在通过收集、清洗、转化和建模数据，从中获取有意义的信息和结论。
在数据分析的过程中，数据可视化和交互式分析起着重要的作用。
本文将探讨数据分析中的数据可视化和交互式分析的概念、作用以及如何有效地利用它们。
一、数据可视化的概念与作用数据可视化是指将数据以图形、图表等形式展示出来，以帮助人们更好地理解和分析数据。
通过可视化，我们可以将抽象的数据转化为可见的形式，使数据更加容易被识别、解释和探索。
数据可视化的作用主要体现在以下几个方面：1. 提供直观的数据呈现：使用图表、图形等可视化方式展示数据，能帮助人们直观地理解数据的分布、趋势和关系，提高数据的可读性。
2. 发现隐藏信息：通过对数据进行可视化分析，可以发现数据中的潜在关联、异常点、异常趋势等隐藏信息，帮助决策者更好地做出决策。
3. 协助决策制定：数据可视化可以帮助决策者更好地理解数据，减少对数据的误解和误判，从而提供更准确的决策依据。
二、数据可视化的常用方法在数据可视化中，常用的方法主要包括图表、地图、仪表盘和信息图表等。
具体的使用取决于具体的数据和分析目的。
以下是常见的数据可视化方法：1. 图表：折线图、柱形图、饼图等是最常见的图表类型，适用于展示数据的分布和关系。
2. 地图：地图可用来表示地理位置相关的数据，例如人口分布、销售区域等。
3. 仪表盘：仪表盘是一种直观的可视化工具，通过各种指示器和图形展示数据的关键指标，帮助决策者快速了解业务状况。
4. 信息图表：信息图表通过图形、图表和文字的组合呈现数据和信息，提供更全面的分析结果。
三、交互式分析的概念与作用交互式分析是指在数据分析过程中，用户可以与数据进行实时的、动态的交互，通过对数据进行探索和操作来获取更深入的洞察和信息。
交互式分析的作用主要体现在以下几个方面：1. 实时探索数据：通过交互式分析，用户可以实时地对数据进行操作和探索，根据需要对数据进行筛选、排序和汇总，从而更好地理解数据的特征和关系。
可视化技术可视化技术是指将数据和信息以图形方式呈现，使人们更容易地理解和分析数据的过程。
随着数据量和复杂性不断增加，可视化技术变得越来越重要，无论在商业、科学还是日常生活中都有广泛的应用。
一般来说，可视化技术可以分为以下几种类型：1.静态可视化：静态可视化是通过静态图片或图表来展示数据的，如柱状图、折线图、饼图等。
这种方式主要适用于数据量不大的情况，对于简单的数据分析，如数据趋势、比较等方面，静态可视化已经足够。
2.交互式可视化：交互式可视化是指通过鼠标点击、拖拽等操作，使用户可以对数据进行探索与交互。
这种方式适用于数据量较大，需要深入分析的情况。
交互式可视化可以用来对数据进行过滤、排序、聚类等操作，帮助用户找到数据中的关联性和规律性。
3.动态可视化：动态可视化是通过动画、视频等方式呈现信息，以展示数据的变化和演化。
这种方式适用于需要长期观察和比较的数据，如天气、股市等领域。
动态可视化可以通过将数据与时间轴结合，使用户更容易看到数据的变化趋势。
在可视化技术中，如何选择适当的图表类型和颜色搭配也是非常重要的。
图表类型应当根据数据类型和使用场景来选择，例如折线图适用于展示变化趋势，饼图适用于展示占比情况等。
颜色搭配应当尽量遵循自然景物中的颜色，避免过于鲜艳和刺眼的颜色搭配，这样会影响用户的观感。
可视化技术在商业、科学和日常生活中都有广泛的应用。
在商业领域，可视化技术常被用于市场研究、销售分析和商业决策等方面。
在科学领域，可视化技术常被用于数据分析、研究成果展示和科学模拟等方面。
在日常生活中，可视化技术也被用于天气预报、地图导航和健康监测等方面。
总之，可视化技术是一种强大的工具，可以将数据更加直观、易于理解。
如今，随着大数据时代的来临，可视化技术的应用将越来越广泛，对于实现数据驱动的决策和创新具有重要意义。
第 2 卷 第1期2013年1月集 成 技 术1 引 言随着物联网、移动互联网、云计算以及各种数据自动采集技术的迅猛发展，许多领域迅速积累了大量具有图结构的可用数据。
其中一个重要的图应用是股市图[1]。
设<R i >为股票i 在预定的考虑时间窗内的一系列单位时间点的价格，比如一周内每天的收盘价，我们可以通过如下公式量化两支股票的价格相关性。
这种相关性定量地描述了股票之间在这一时间段内价格波动一致的程度。
作者简介：涂志兵，硕士研究生，主要研究方向为高性能计算、大规模图挖掘，E-mail：zb.tu@；成杰峰，博士，副研究员，主要研究方向为大规模图挖掘；冯圣中，博士，研究员，主要研究方向为高性能计算、云计算、生物信息学。
一个大规模股市图交互式可视化分析系统涂志兵1,2 成杰峰1,2 冯圣中1,21（ 深圳市高性能数据挖掘重点实验室 深圳 518055 )2（ 中国科学院深圳先进技术研究院 深圳 518055 )摘 要 随着物联网、移动互联网、云计算以及各种数据自动采集技术的迅猛发展，许多领域迅速积累了大量具有图结构的可用数据。
其中一个重要的图应用是股市图。
如何分析股市图达到合理充分的投资决策支持一直是一个重要的课题。
其中极大团（Maximal Clique）分析是分析股市图的一个重要方法。
股市图的规模庞大，传统的极大团枚举算法仅仅罗列图中所有的极大团。
但一个图中可以有指数级数量的极大团，而一支股票对应的点可以参与到任意多的极大团中。
因此，传统的极大团枚举算法不能直接有效支持股市图分析。
本文提出一个支持快速选择、自动分组及导航浏览三种股市图交互式可视化操作的大规模股市图分析系统。
根据用户感兴趣的股市图节点，这三种股市图交互式可视化操作从股市图中快速枚举出与这些特定股票相关的极大团、查看这些特定股票之间的组合关系以及显示与这些特定股票相关的其他股票，是有效支持股市图分析的必要手段。
同时基于对某些特定顶点或边相关的极大团枚举的需求，本文提出了从图中枚举出与特定顶点或边相关的极大团算法。
我们使用真实数据验证了本文提出的算法的优越性。
关键词 股市图；极大团；图算法；图可视化；大规模图On Interactive Visualization for Large-Scale Stock Market GraphsTU Zhi-bing 1,2 CHENG Jie-feng 1,2 FENG Sheng-zhong 1,21( Shenzhen Key Laboratory of High Performance Data Mining, Shenzhen 518055, China )2( Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, China )Abstract Maximal clique analysis is an important method of stock market graph analysis. Traditional maximal clique enumeration algorithms enumerate all maximal cliques in the graph, which cannot support ef fi cient stock market graph analysis. In this paper, we propose interactive visualization methods for large-scale stock market graphs. According to user’s interested stocks, we provide functions to enumerate all maximal cliques related to those stocks quickly, and to view their combination relations as well as other related stocks. Our interactive visualization methods are very useful to stock market graph analysis. Moreover, traditional maximal clique enumeration algorithms cannot be applied to support those functions. Due to the need of enumerating all maximal cliques related to speci fi c nodes or edges, we propose a new maximal clique enumeration algorithm containing speci fi c nodes or edges. We use real a dataset to verify the superior performance of our algorithm.Keywords market graph; maximal clique; graph algorithm; graph visualization; large-scale graph1期涂志兵,等:一个大规模股市图交互式可视化分析系统9当(i,j)大于某一个给定的阈值时，那么股票i和股票j之间在统计上具有紧密的联系。
如果我们将每支股票看做股市图中的一个顶点且两支股票之间的紧密程度超过某一阈值时则表示股票图中对应的两个顶点之间存在一条边，我们就可以得到一个表示整个股市价格波动的股市图。
如何分析股市图达到合理充分的投资决策支持一直是一个重要的课题。
其中极大团分析是分析股市图的一个重要方法[1]。
极大团（Maximal Clique）是指任意两个顶点均相连的完全子图。
它在图理论、图算法以及许多现实应用中具有举足轻重的地位。
一方面，许多基本的图问题都与它有非常紧密的联系，比如最大独立子集[2]、图着色[3]、最大公共子图[4]以及最大团[5]等。
另一方面，在现实世界中也具有广泛的应用，比如从社交网络中发现社区，从蛋白质交互网络中发现蛋白质复合体等。
从股市图中枚举极大团就是从股市图中寻找一组相互之间的价格波动具有紧密关系的股票，它可以直接用于设计具有分散风险的股票投资组合。
股市图的规模庞大，传统的极大团枚举算法仅仅罗列图中所有的极大团。
但一个图中可以有指数级数量的极大团，且一支股票对应的点可以参与到任意多的极大团中。
因此，传统的极大团枚举算法不能直接有效支持股市图分析。
并且，通常用户感兴趣的只是某一些股票，如现有投资组合中存在的股票，一种能支持快速选择、自动分组和导航浏览的股市图交互式可视化分析方法和系统有很大的意义。
其中，快速选择是指系统能根据用户感兴趣的一组股市图节点，快速枚举出股市图中与这些特定股票相关的极大团；自动分组是指系统能根据用户感兴趣的一组股市图节点查看这些特定股票之间的组合关系，同时能组合出对应的股市图中与这些特定股票相关的极大团，并按照这种影射通过可视化的手段加以表示；导航浏览是指根据用户感兴趣的这组股市图节点之间关联的组合，进一步显示相关的极大团中的其他新的股市图节点。
这三种股市图交互式可视化操作是有效支持股市图分析的必要手段。
传统的极大团枚举算法并不能直接应用到这三种股市图交互式可视化操作去有效支持股市图分析，这要求对极大团枚举算法进一步扩展。
极大团枚举算法是一个经典的NP问题。
极大团枚举内存算法在最坏情况下的时间复杂度被证明为O(3n/3)（n为图中最大连通分量的大小）[6]。
基于对某些特定顶点或者边相关的极大团枚举，而不必要枚举图中所有的极大团的需求，本文提出了从图中枚举出与特定顶点或者边相关的极大团算法。
该算法具有广泛的应用，比如在社交网络分析中，具有相同爱好或者特征的用户之间往往具有非常紧密的联系。
如果我们把每一个用户看做社交网络图中的一个顶点且它们之间存在一条边当且仅当两个用户具有相同的某种爱好或者特征，那么从社交网络图中枚举极大团就是从社交网络中寻找一组具有共同爱好或者特征的用户。
寻找一组喜欢围棋的用户或者一些类似Jimmy和Bob那样在周五看NBA且周末打篮球的用户就是从社交网络图中枚举与特定用户相关的极大团。
本文第二部分介绍大规模股市图交互式可视化分析系统设计；第三部分对从图中枚举出与特定顶点或边相关的极大团算法的问题进行描述；第四部分介绍BK算法，并提出与特定顶点或边相关的极大团枚举算法；第五部分介绍可视化分析和极大团枚举算法的相关工作；第六部分通过实验验证算法的时间性能；第七部分是本文的总结。
2 大规模股市图交互式可视化分析系统为了有效地支持股市图分析，便于投资者查看各个股票之间的价格波动关系，我们基于开源软件GraphStream[7]开发了一个大规模股市图交互式可视化分析系统。
系统中采用真实的数据源S&P 500数据集（简称SP500），数据集的详细信息详见表1。
图1是对基于SP500数据集构建的股市图可视化后的效果图。
该系统提供了快速选择、自动分组和导航浏览这三种主要功能，能够根据用户感兴趣的股市图节点，图1 SP500股市图的可视化集 成 技 术2013年10从股市图中快速枚举与这些特定股票相关的极大团，查看这些特定股票之间的组合关系，并根据这些组合关系进一步查看股市图中其他相关的股票等。
2.1 快速选择快速选择功能能够根据用户感兴趣的一组股市图节点，快速枚举并在股市图中显示与这些特定股票相关的极大团。
为了便于用户从股市图中选择股市图节点，我们设计了便于用户输入感兴趣的股市图节点的界面。
图2（a）显示了可供用户选择的股票节点，用户只需从可选择的股票列表中选择感兴趣的股票即可。
图2（b）左上角部分列举了用户最终选择的一组感兴趣的股票。
当选定完感兴趣的几支股票后，点击运行，系统能够从股市图中快速枚举出与这些特定股票相关的极大团。
图2（c）在股市图中显示了与这些特定股票相关的极大团，其中标记为红色的顶点为用户感兴趣的股市图节点，标记为黄色的顶点为与这些特定股票相关且与它们能够形成极大团的股票，而标记为蓝色的顶点则表示其他不相关的股票，即不能够与这些特定股票形成极大团的股票。
同时与这些特定股票相关的极大团的所有边均标记为绿色。
表 1 数据集 (a)选择股票名称 (b)最终选择的一组股票 （c）与特定股票相关的极大团的效果图图2 快速选择（a）选择BAC,ITT和JEC （b）与BAC,ITT,JEC相关的极大团 （c）选择AYE,BSX（d）与AYE,BSX相关的极大团图4 自动分组与导航浏览2.2 自动分组自动分组功能能够根据用户感兴趣的一组股市图节点，查看它们之间的组合关系，并能够从股市图中组合出与这些特定股票相关的极大团。
