20数据可视化基础 (10)

大数据可视化技术 第三章
时间数据可视化
课前回顾
大数据存 储与管理
01
OPTION
时间概念
02
OPTION
03
OPTION
时间数据的概念
时间数据的广泛应用。
02
连续型数据处理
01
03
CONTENT
02
04
1.连续型数据概念
定义：
连续型数据就是指任意两个数据点之间可以细分出无限多个数值，它表现的是不断变化 的现象。
的数值标
出图表的
刻度
3
2
1
0
拟合线 在众多数据中估算出 一条趋势线
1月 2月 3月 4月 5月
6月
时间轴 根据月份显示数据，先后顺序排列
图 拟合曲线的基本框架
4.拟合曲线
Python实例： 在这里我们使用了多项式拟合的方法来拟合一条曲线。我们从网站
(/ unemployment-rate-1948-2010.csv)下载了 一个美国过去几十年的失业率的数据统计。代码如下页：
2
节点 对应的横轴和纵轴的 坐标
边线 表示链接各节点的线 条，有助于显示趋势
1
0
1月
2月
3月 4月 5月
时间轴 根据月份显示数据，先后顺序排列
图 折线图的基本框架
3.折线图
Python实例： 在阶梯图代码的基础上进行改进， 代码如下：
1. from pyecharts import Line 2. line = Line("美国邮票折线图") 3. datax = [1995,1996,1997,1998,1999,2000,2001,2002,2003,2004,2005,2006,2007,2008,2009] 4. datay = [0.32,0.32,0.32,0.32,0.33,0.33,0.34,0.37,0.37,0.37,0.37,0.39,0.41,0.42,0.44] 5. line.add("Price",datax, datay, is_step = False,is_label_show = True,yaxis_min = 0.3,yaxis_max = 0.45) 6. line.render()
3. filename = "world-population.csv" #人口数据的文件
4. datax = []
5. datay = []
6. with open(filename) as f: #打开文件
7. reader = csv.reader(f) #读取文件内容
8. for datarow in reader: #遍历文件内容
4.拟合曲线
1. import numpy as np
例如：温度这种数据就是连续型，可以测量它一天内的任意时刻的温度。还有股市实时 行情也是一种连续型数据。
那如何处理这些数据呢？
这就用到下面讲到的数据可视化图表法。合适的可视化形式的选择也很重要，它更易于 大家的理解。
2.梯形图
➢阶梯图 定义： 阶梯图是曲线保持在同一个值，直到发生变化，直接跳跃到下一个值。
2.梯形图
图 邮费变化的阶梯图
3.折线图
➢折线图 定义： 折线图是用直线段将各数据点连接起来而组成的图形，以折线方式显示数据的
变化趋势。
应用场景有： 折线图比较适用于趋势类的需求，人口增长趋势，书籍销售量，粉丝增长进度， 等等。
3.折线图
基本框架：
数值轴 从0开始 4
的数值标
识出图表 的刻度
3
0
1月
2月
3月 4月 5月
时间轴 根据月份显示数据，先后顺序排列
图 阶梯图的基本框架
2.梯形图
Python实例： 在python中好几个数据可视化的包，这里我们用的是pyecharts。在梯形图中
我们使用的是一组美国每年邮费变化的数据。代码如下：
1. from pyecharts import Line 2. line = Line("美国邮票阶梯图") 3. datax = [1995,1996,1997,1998,1999,2000,2001,2002,2003,2004,2005,2006,2007,2008,2009] 4. datay = [0.32,0.32,0.32,0.32,0.33,0.33,0.34,0.37,0.37,0.37,0.37,0.39,0.41,0.42,0.44] 5. line.add("Price",datax, datay, is_step = True,is_label_show = True,yaxis_min = 0.3,yaxis_max = 0.45) 6. line.render()
9.
if reader.line_num != 1:
10. #
print(reader.line_num,datarow)
11.
datax.append(datarow[0]) #把时间数据保存到datax列表
12.
datay.append(datarow[1]) #把人口数据保存到datay列表
13. plt.plot(datax,datay) #画图
3.折线图
图 邮费变化的折线图
3.折线图
Python实例：
这里我们从/world-population.csv 下载了一个人
口变化的数据文件。代码如下：
1. import csv #处理csv文件的模块
2. import matplotlib.pyplot as plt #把pyplot命名为别名plt
应用场景有： 银行的利率，它一般会持续几个月不变，然后某一天出现上调或下调。楼
盘价格长时间停留在某个值，突然有一天因为各种调控，出现调整。还有人的 年龄的上涨，等等。
2.梯形图
基本框架：
数值轴 从0开始 4
的数值标
识出图表 的刻度
3
2
1
水平线 水平边线表示在某个 间断没有发生变化
C
A
B
跳跃 代表瞬间跳跃 到下一个值
14. plt.show() #显示图像
3.折线图
图 过去50年ห้องสมุดไป่ตู้世界人口趋势图
4.拟合曲线
➢拟合曲线 定义： 拟合曲线是根据所给定的离散数据点绘制的曲线，称为不规则曲线。
应用场景有： 获取的数据很多，或者数据很杂乱，可能很难甚至无法辨认出其中的发展趋
势和模式
4.拟合曲线
基本框架：
数值轴 从0开始 4