第3章 大数据可视化章节汇报
数据可视化实验报告
数据可视化实验报告数据可视化，听起来是不是有点高大上？它并没有那么复杂，也没有你想的那么难。
打个比方，咱们都知道，光是拿一堆原始数据出来，谁也看不懂。
比如一堆数字、百分比、列表啥的，眼睛一瞪就头晕。
就像一锅乱炖，看着虽然有点味道，但要是你真想弄清楚每个东西的味道，那可就难了。
可是如果把这些原始数据转化成一张清晰明了的图表，哇，效果立竿见影，顿时就能让人看得明白一目了然。
就好比你看菜单上的照片，哎呀，那碗面一看就知道是不是自己想吃的，而不是一堆文字让你摸不着头脑。
要不然，做数据可视化的最大意义不就是为了让复杂的东西简单明了吗？这时候你就会问了，那到底要怎么做？其实并不复杂。
先搞清楚数据想传达什么，再选个合适的图表，比如柱状图、折线图、饼图啥的。
就像做菜一样，菜谱都不一样，你得看这道菜的特点来选合适的烹饪方式。
比如，数据呈现的是数量，那你肯定得用柱状图；如果想展现数据的趋势走向，折线图绝对是最佳选择。
再比如，数据要比大小，直接用个饼图让大家一眼看出谁占的份额最大。
不同的图表，不同的效果，最关键的还是要看你想让观众感受到什么。
就像挑配饰一样，你得根据你今天穿的衣服和场合来选，图表也是一样，选得好，效果翻倍！不过，做数据可视化，光有这些基础知识可不够。
就像做饭要讲究火候一样，数据可视化也需要技巧。
颜色、字体、布局，这些可都是有讲究的。
你随便挑个颜色，不一定好看，也不一定能突出重点。
如果颜色选错了，数据反倒容易让人看花眼。
想要把数据给表现得更好，背景颜色和文字颜色得好好搭配，不能太花哨，得让人看着舒服。
再说，字体也很重要，不能太花俏，不然反而分散观众的注意力。
最重要的，图表要整洁，别一堆数字堆在一起，给人一种“杂乱无章”的感觉。
想想看，你去餐厅吃饭，餐桌上太乱了，菜看上去也不美味，不是吗？说到这里，大家可能会觉得，哎，这些东西不就只是“表面功夫”吗？数据可视化的终极目的是通过这些“表面功夫”让你轻松理解复杂数据，让数据的价值最大化。
大数据的可视化实训报告
一、实训背景随着信息技术的飞速发展，大数据已经成为现代社会的重要资源。
为了培养具备大数据处理、分析及可视化能力的人才，我们开展了大数据可视化实训。
本次实训旨在使学生了解大数据可视化的基本原理和方法，掌握数据可视化工具的使用，并能够将数据分析结果以可视化的形式展示出来。
二、实训目标1. 了解大数据可视化的基本概念和原理；2. 掌握常见的数据可视化工具，如ECharts、Tableau等；3. 学会使用Python、R等编程语言进行数据可视化；4. 能够根据实际需求，设计并实现数据可视化项目。
三、实训内容1. 数据可视化基本原理（1）数据可视化概述：数据可视化是将数据以图形、图像等形式呈现，使人们更容易理解数据内涵和规律的一种方法。
（2）数据可视化类型：包括散点图、柱状图、折线图、饼图、雷达图等。
（3）数据可视化原则：包括清晰性、简洁性、准确性、易读性等。
2. 常见数据可视化工具（1）ECharts：一款基于JavaScript的交互式图表库，支持多种图表类型，具有丰富的交互功能。
（2）Tableau：一款数据可视化工具，可以连接多种数据源，支持丰富的图表类型和交互功能。
（3）Python可视化库：包括Matplotlib、Seaborn、Pandas等，可以方便地绘制各种图表。
3. 数据可视化项目实践（1）项目背景：某公司销售部门需要了解不同地区、不同产品的销售情况，以便制定合理的销售策略。
（2）数据收集：收集公司近一年的销售数据，包括地区、产品、销售额、利润等。
（3）数据处理：使用Python进行数据清洗、整合和预处理。
（4）数据可视化：使用ECharts绘制销售地图、柱状图、折线图等，展示不同地区、不同产品的销售情况。
（5）结果分析：根据可视化结果，分析不同地区、不同产品的销售趋势，为公司制定销售策略提供参考。
四、实训总结1. 通过本次实训，我们掌握了大数据可视化的基本原理和方法，了解了常见的数据可视化工具。
数据可视化报告范文
数据可视化报告范文一、引言随着大数据时代的到来，数据可视化成为人们处理和理解海量数据的重要手段之一、数据可视化旨在将抽象的数字数据转化为直观的图表、图形等形式，帮助人们更容易地发现数据背后蕴含的规律和趋势。
作为一种重要的数据分析工具，数据可视化在企业管理、市场营销、科学研究等领域具有广泛的应用。
二、数据源本次数据可视化报告所使用的数据来自电商平台的销售数据，包含产品类别、销售额、销售量等信息。
三、数据可视化方法本报告采用了多种数据可视化方法，包括柱状图、折线图、饼图、散点图等。
这些方法能够直观地呈现数据的特征和分布情况，帮助人们更好地理解数据。
四、数据可视化结果1.产品类别销售额分布柱状图通过画柱状图，我们可以清晰地看到各个产品类别的销售额情况。
从图中可以看出，电子产品类别的销售额最高，而家居生活用品类别的销售额较低。
2.销售额月度变化折线图通过绘制折线图，我们可以观察到销售额的月度变化趋势。
从图中可以看出，销售额在前三个月呈现逐渐增加的趋势，之后在四月有一个小幅度下降，五月开始又出现上升趋势。
3.不同产品类别的销售额占比饼图通过饼图的绘制，我们可以直观地看到不同产品类别的销售额占比。
从图中可以看出，电子产品类别的销售额占比最高，而家居生活用品的销售额占比较低。
4.销售额与销售量的关系散点图通过散点图的绘制，我们可以观察到销售额与销售量之间的关系。
从图中可以看出，销售额与销售量呈现正相关关系，即销售额越高，销售量也越高。
五、数据可视化分析通过对以上数据可视化结果的观察，我们可以得出以下分析结论：1.电子产品类别的销售额最高，说明消费者对电子产品的需求较大；2.销售额存在月度变化趋势，这可能与消费者的消费习惯有关，例如在一些特定时间节点会有消费高峰；3.不同产品类别的销售额占比不同，这反映了市场上不同产品类别的市场份额；4.销售额与销售量呈现正相关关系，这说明销售额的增加是由于销售量的提高所引起的。
大数据可视化实训报告
大数据可视化实训报告背景大数据在当今社会中扮演着越来越重要的角色。
随着各个行业数据量的快速增长，如何从海量数据中提取有价值的信息成为一个挑战。
而大数据可视化作为一种重要的数据分析工具，通过可视化的方式展示数据，帮助人们更直观地理解和解读海量数据。
本报告旨在介绍一次大数据可视化实训的分析、结果和建议。
分析本次实训的主要任务是通过对某个特定行业的大数据进行可视化分析，以发现其中的规律和趋势。
在分析之前，我们首先需要了解所使用的数据集。
数据集包括了从该行业的各个方面收集到的大量数据，如销售额、用户行为、产品类型等。
这些数据以结构化的形式存储在数据库中，并通过SQL语句进行查询和处理。
在开始可视化分析之前，我们首先对数据进行了清洗和预处理。
清洗过程包括处理缺失值、异常值和重复值，并对数据进行归一化处理。
预处理过程则包括对数据进行筛选和整合，以便于后续的分析和可视化。
通过对数据集的初步探索，我们可以发现数据中的一些重要特征和关联关系。
例如，某一特定时段的销售额与广告投放量之间存在正相关关系，用户购买行为与产品价格之间存在负相关关系等。
这些发现为我们后续的可视化分析提供了方向和重要线索。
结果在分析的基础上，我们选择了几种常用的可视化方法，如折线图、柱状图、散点图等，对数据进行了可视化展示。
通过可视化图表，我们可以更加直观地观察数据的变化趋势和关联关系，提取其中有价值的信息和见解。
例如，我们可以通过折线图展示某一特定时间段内销售额的变化情况。
通过观察图表，我们可以发现销售额在某个时间点上升，并逐渐趋于稳定。
这提示我们可以在该时间点增加广告投放量以提升销售额。
另外，我们还可以通过柱状图展示不同产品类型的销售额。
通过观察图表，我们可以发现某些产品类型的销售额远高于其他类型，提示我们可以加大对这些产品类型的推广力度。
散点图则可以用来展示用户购买行为与产品价格之间的关系。
通过观察图表，我们可以发现用户在价格较低的产品上购买意愿更高，这有助于我们确定产品价格的合理范围。
大数据可视化技术数据可视化概述
发展历程与趋势
发展历程
大数据可视化技术的发展经历了从简单图表到复杂交互式图表的演变，随着技术的不断进步，可视化呈现的效果 和交互性越来越丰富。
趋势
未来大数据可视化技术将朝着更加智能化、交互化、动态化、可视化的方向发展，同时结合人工智能等技术，实 现更加精准和高效的数据分析和决策支持。
02
数据可视化基本原理
访问控制
设置严格的访问控制策略 ，限制对数据的访问权限 ，防止未授权的访问和泄 露。
匿名化处理
对数据进行匿名化处理， 隐藏敏感信息，保护用户 隐私。
数据质量与清洗
数据预处理
对原始数据进行预处理，包括缺失值填充、异常值处 理、格式转换等，以提高数据质量。
数据验证
对数据进行校验和验证，确保数据的准确性和完整性 。
01
可读性
确保图形清晰易懂，避免信息过载 和误导。
交互性
提供交互功能，使用户能够探索和 操作数据可视化。
03
02
直观性
使用直观的图形元素和颜色，便于 用户快速理解数据。
美学性
注重视觉美感，提高用户对数据的 兴趣和理解。
04
可视化工具与技术
可视化软件
01
如Tableau、Power BI、D3.js等，提供丰富的可视化组件和工
01
制定标准
制定统一的可视化技术标准和规 范，确保不同工具和平台之间的 兼容性和互操作性。
02
03
培训和教育
社区交流
提供培训和教育资源，提高用户 对可视化技术的理解和应用能力 。
建立社区交流平台，促进用户之 间的交流和分享，推动可视化技 术的发展和应用。
THANKS
谢谢您的观看
大数据可视化基础
5 of 37
3.1 光与视觉特性
3.1.3 黑白视觉特性
第三章 数据可视化基础
●视敏特性：指人眼对不同波长和光具有不同灵敏度的特性，即对于辐射
功率相同的各色光具有不同的亮度感觉。在相同的辐射功率条件下，人眼 感到最亮的光是黄绿光，而感觉最暗的光是红光和紫光。视敏特性可用视 敏函数和相对视敏函数来描述。
亮度、色调和饱和度称为彩色的三要素。人眼对不同波长的谱色光有不同的色调感觉。人眼的彩色视 觉的辨色能力总共有3000～4000种。人眼对彩色感觉具有非单一性。颜色感觉相同，光谱组成可以 不同。
彩色细节分辨力
画面最大亮度与最小亮度之间可分辨的亮度级差数称为亮度层次或灰度层次。人眼对彩色细节的分辨 力比对黑白细节的分辨力要低，只有对黑白细节分辨力的1/3～1/5。
专业性
数据可视化与领域专业知识紧密相关，其形式需求多种多样并随行业、用户和环境等条件而动态变化。 专业化特征是人们从可视化模型中提取专业知识的必要环节，是数据可视化应用的最后流程。
11 of 37
第三章 数据可视化基础
3.1 3.2 3.3 3.4 光与视觉特性 可视化的基本特征 可视化流程 可视化设计组件
3.5 素 3.6
习题
可视化中的美学因
可视化框架设计整体思路
12 of 37
3.3 可视化流程
3.3.1 数据可视化的基本步骤
第三章 数据可视化基础
1
明确问题
开始创建一个可视化项目时，第一步是要明确可视化项目要解决的问题
混色特性
混色特性包括时间混色、空间混色和双眼混色等。
9 of 37
第三章 数据可视化基础
3.1 3.2 3.3 3.4 光与视觉特性 可视化的基本特征 可视化流程 可视化设计组件
《大数据可视化》教学教案
《大数据可视化》教学教案
根据所处理的数据对象的不同，数据可视化可分为科学可视化与信息可视化。
1.科学可视化
科学可视化是可视化领域发展最早、最成熟的一个学科，其应用领域包括物理、化学、气象气候、航空航天、医学、生物学等各个学科，涉及对这些学科中数据和模型的解释、操作与处理，旨在寻找其中的模式、特点、关系以及异常情况。
2.信息可视化
信息可视化的数据更贴近我们的生活与工作，包括地理信息可视化、时变数据可视化、层次数据可视化、网络数据可视化、非结构化数据可视化等我们常见的地图是地理信息数据，属于信息可视化的范畴。
3.可视分析学
可视分析学被定义为一门以可视交互界面为基础的分析推理科学，综合了图形学、数据挖掘和人机交互等技术。
四大数据可视化作用及发展方向
数据可视化的作用包括记录信息、分析推理、信息传播与协同等。
伴随大数据时代的来临，数据可视化日益受到关注，可视化技术也日益成熟。
然而，数据可视化依然存在许多问题，且面临着如下巨大的挑战。
●数据规模大
●数据质量问题
●数据快速动态变化
●面临复杂高维数据
●多来源数据的类型和结构各异
未来主要有四个发展方向：
●可视化技术与数据挖掘技术的紧密结合。
●可视化技术与人机交互技术的紧密结合
●可视化技术广泛应用于大规模、高维度、非结构化数据的处理与分析。
●处理数据能力的弹性变化。
实验
21。
大数据可视化课本报告
作业描述1、专利申请趋势（折线图）申请趋势反应专利申请数随时间变化的趋势，以时间（年或季度）为横轴，统计“申请日”落在刻度时间段中的专利个数，以专利申请数为纵轴做折线图，连接相应的点，形成专利申请趋势。
处理过程。
企业申请专利的时间实现目标：企业申请专利的时间. 统计“申请日”信息. 以年或者季度来统计申请专利的数量.以年,或者季度为横轴, 以专利申请数量为纵轴. 来显示数据. （折线图）分析数据，获取需求的基本数据。
查询申请日期Select bb.apply_date ,bb.apply_num from contactperson bb整理申请日期, 以年或者季度来进行统计申请专利的数量为纵轴'oracle.jdbc.driver.OracleDriver'经过测试发现，需要设置横轴为时间日期，纵轴为专利的数量。
先使用SPOON 来处理数据，并且保存到MYSQL 新建的表中。
使用表applyfortime 来表示。
Applyyear applymonth applyountSELECT SUBSTRING( (SELECT DATE_FORMAT(apply_date,'%Y-%m-%d')apply_date FROM zhuanli LIMIT 1 ) ,0,5);下面是数据8w多条数据。
整理好之后，再用ECHARS 来显示。
专利公开显示第2个作业专利公开显示. 以公开日来进行查询. 以年或者季度来统计,公开的专利的数量, 以年或者季度为横轴,以公开专利的数量为纵轴,来显示数据. （折线图）纵轴是公开专利的数量。
横轴是年或者季度。
SELECT analysis.nianyue,COUNT(*) zongshu FROM (SELECT CONCAT(SUBSTRING(publicity_date,1,4),SUBSTRING(publicity_date,6,2))nianyue , bb.apply_number FROM zhuanli bb ) analysisGROUP BY analysis.nianyue下面是数据库的数据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第三章 数据可视化基础
3.1.2 三基色原理
●三基色原理是根据色度学中著名的格拉兹曼法则和配色实验总结出来的， 它把彩色电视系统需要传送成千上万种颜色的任务简化成只需传送3种基 本颜色，包含以下规则：
人的视觉只能分辨颜色的3种变化，即亮度、色调和色饱和度。 任何彩色均可以由3种线性无关的彩色混合得到时，称这3种彩色为三基色。 合成彩色光的亮度等于三基色分量亮度之和，即符合亮度相加定律。 光谱组成成分不同的光在视觉上可能具有相同的颜色外貌，及相同的彩色感觉。 在由两个成分组成的混合色中，如果一个成分连续变化，混合色也连续变化。
多视图协调关联
多视图协调关联将不同类型的绘图组合起来，每个绘图单元可以展现数据某方面的属性，并且通常允 许用户进行交互分析，提升用户对数据的模式识别能力。在多视图协调关联应用中，“选择”操作作 为一种探索方法，可以是对某个对象和属性进“取消选择”的过程，也可以是选择属性的子集或对象 的子集，以查看每个部分之间的关系的过程。
3.4数据可视化设计组件
第三章 数据可视化基础
3.4.5 可视化的基本图表
原始数据绘图
原始数据绘图用于可视化原始数据的属性值，直观呈现数据特征，其代表性方法包括：数据轨迹、柱 状图、折线图、直方图、饼图、等值线图、散点图、气泡图、维恩图、热力图和雷达图等。
简单统计值标绘
盒须图是John Tukey发明的通过标绘简单的统计值来呈现一维和二维数据分布的一种方法。它的基 本形式是用一个长方形盒子表示数据的大致范围，并在盒子中用横线标明均值的位置。同时，在盒子 上部和下部分别用两根横线标注最大值和最小值。盒须图在实验数据的统计分析中很有用。针对二维 数据，标准的一维盒须图可以根据需要扩充为二维盒须图。
混色特性
混色特性包括时间混色、空间混色和双眼混色等。
9 of 37
第三章 数据可视化基础
3.1 光与视觉特性 3.2 可视化的基本特征 3.3 可视化流程 3.4 可视化设计组件 3.5 可视化中的美学因 素 3.6 可视化框架设计整体思路 习题
10 of 37
3.2 数据可视化的基本特征
第三章 数据可视化基础
专业性
数据可视化与领域专业知识紧密相关，其形式需求多种多样并随行业、用户和环境等条件而动态变化。 专业化特征是人们从可视化模型中提取专业知识的必要环节，是数据可视化应用的最后流程。
11 of 37
第三章 数据可视化基础
3.1 光与视觉特性 3.2 可视化的基本特征 3.3 可视化流程 3.4 可视化设计组件 3.5 可视化中的美学因 素 3.6 可视化框架设计整体思路 习题
2 of 37
3.1 光与视觉特性
第三章 数据可视化基础
3.1.1 光的特性
●可见光谱的波长由780 nm向380 nm变化时，人眼产生的颜色感觉依次 是红、橙、黄、绿、青、蓝、紫7色。 ●一定波长的光谱呈现的颜色称为光谱色。太阳光包含全部可见光谱，给 人以白色感觉。
3 of 37
3.1 光与视觉特性
6 of 37
3.1 光与视觉特性
第三章 数据可视化基础
3.1.3 黑白视觉特性
亮度感觉
亮度感觉不仅仅取决于景物给出的亮度值，而且还与周围环境的平均亮度有关，是一个主观量。
人眼感光适应性
适应性是指随着外界光的强弱变化，人眼能自动调节感光灵敏度的特性。
亮度视觉范围
人眼的亮度感觉不仅仅取决于景物本身的亮度值,而且还与环境亮度有关。
亮度可见度阈值
人眼对亮度变化的分辨能力是有限的，人眼无法区分非常微弱的亮度变化。通常用亮度级差来表示人 眼刚刚能感觉到的两者的差异。
人眼视觉的掩盖效应
如果是在空间和时间上不均匀的背景中，测量可见度阈值，可见度阈值就会增大，即人眼会丧失分辨 一些亮度的能力
7 of 37
3.1 光与视觉特性
第三章 数据可视化基础
分析进行推理和认知，辅助人们发现新知识或者得到新结论。
15 of 37
第三章 数据可视化基础
3.1 光与视觉特性 3.2 可视化的基本特征 3.3 可视化流程 3.4 可视化设计组件 3.5 可视化中的美学因 素 3.6 可视化框架设计整体思路 习题
16 of 37
3.4数据可视化设计组件
第三章 数据可视化基础
3.1.3 黑白视觉特性
对比度
把景物或重现图像最大亮度Lmax和最小亮度Lmin的比值称为对比度。
亮度层次
画面最大亮度与最小亮度之间可分辨的亮度级差数称为亮度层次或灰度层次。
视觉惰性
人眼的视觉有惰性，这种惰性现象也称为视觉的暂留。
闪烁
观察者观察按时间重复的亮度脉冲，当脉冲重复频率不够高时，人眼就有一亮一暗的感觉，称为闪烁。
12 of 37
3.3 可视化流程
第三章 数据可视化基础
3.3.1 数据可视化的基本步骤
1 明确问题 开始创建一个可视化项目时，第一步是要明确可视化项目要解决的问题
从基本的可视化着手
2 确定可视化的目标后，下一步是基于要展现的数据，选择建立一个基本的图形，不同类型的数据
各自有其最适合的图表类型
3 确定最富有信息的指标 确定可视化目标和可视化形式后，下一步需要确定最能提供信息的指标，以便于信息准确表达
视角
观看景物时，景物大小对眼睛形成的张角叫做视角。
分辨力
当与人眼相隔一定距离的两个黑点靠近到一定程度时，人眼就分辨不出有两个黑点存在，而只感觉到 是连在一起的一个点。这种现象表明人眼分辨景物细节的能力是有一定极限的。
8 of 37
3.1 光与视觉特性
第三章 数据可视化基础
3.1.4 彩色视觉特性
3.3.2 数据可视化模型
1 科学可视化的可视化流水线
2 数据可视化循环模型
第三章 数据可视化基础
14 of 37
3.3 可视化流程
第三章 数据可视化基础
数据获取
1 主动式是以明确的数据需求为目的，如卫星影像、测绘工程等；被动式是以数据平台为基础，由
数据平台的活动者提供数据来源，如电子商务、网络论坛等。
辨色能力
亮度、色调和饱和度称为彩色的三要素。人眼对不同波长的谱色光有不同的色调感觉。人眼的彩色视 觉的辨色能力总共有3000～4000种。人眼对彩色感觉具有非单一性。颜色感觉相同，光谱组成可以 不同。
彩色细节分辨力
画面最大亮度与最小亮度之间可分辨的亮度级差数称为亮度层次或灰度层次。人眼对彩色细节的分辨 力比对黑白细节的分辨力要低，只有对黑白细节分辨力的1/3～1/5。
多维性
通过数据可视化的多维呈现，能够清楚地对数据相关的多个变量或者多个属性进行标识，并且所处理 的数据可以根据每一维的量值来进行显示、组合、排序与分类。
片面性
数据可视化往往只是从特定的视角或需求来认识数据，并得到符合特定目的的可视化模式。数据可视 化的片面性特征意味着可视化模式不能替代数据本身，只能作为数据表达的一种特定形式。
17 of 37
3.4数据可视化设计组件
第三章 数据可视化基础
3.4.2 可视化设计原则
三个原则
1、过于复杂繁琐的可视化可能会给用户带来理解上的麻烦，甚至会引起用户对原始数据信息的误解； 2、缺少友好交互控制的可视化也会阻碍用户以更直观的方式获得可视化所包含的信息； 3、美学因素也在一定程度上影响用户对可视化设计的喜好或厌恶情绪，进而影响可视化传播和表达 信息的能力。
易懂性
可视化使人们更加容易地理解数据和使用数据，进而便于人们将数据与他们的经验知识相关联。可视 化使得原本碎片化的数据转换为具有特定结构的知识，从而为科学决策支持提供强有力的支持。
必然性
数据量已远远超出了人们直接读取、浏览和操作数据的能力，必然要求人们对数据进行形象化的归纳 和总结，对数据的结构和表现形式进行有效的转换处理。
高级大数据人才培养丛书之一，大数据挖掘技术与应用
大数据可视化
BIG DATA
刘 鹏 张 燕 总主编
何光威 主编
郑志蕴 梁英杰 朱琼琼 副主编
第三章 数据可视化基础
3.1 光与视觉特性 3.2 可视化的基本特征 3.3 可视化流程 3.4 可视化设计组件 3.5 可视化中的美学因 素 3.6 可视化框架设计整体思路 习题
数据分类
根据数据分析要求，不同的应用可以采用不同的数据分类方法。例如，根据数据模型，可以将数据分 为浮点数、整数、字符等；根据概念模型，可以定义数据所对应的实际意义或者对象，例如汽车、摩 托车、自行车等。 在科学计算中，通常根据测量标度，将数据分为四类：类别型数据、有序型数据、区间型数据和比值 型数据。类别型数据用于区分物体，有序型数据用来表示对象间的顺序关系，区间型数据用于得到对 象间的定量比较，比值型数据用于比较数值间的比例关系，可以精确地定义比例。
标尺
3 坐标系指定了可视化的维度，而标尺则指定了在每一个维度里数据映射到哪里。标尺有多种，但
基本上不会偏离以下三种标尺，分别为数字标尺、分类标尺和时间标尺。
背景信息
4 背景信息（帮助更好地理解数据相关的 5W 信息，即何人、何事、何时、何地、为何）可以使数
据更清晰，并且能正确引导数据使用者。
20 of 37
5 of 37
3.1 光与视觉特性
第三章 数据可视化基础
3.1.3 黑白视觉特性
●视敏特性：指人眼对不同波长和光具有不同灵敏度的特性，即对于辐射 功率相同的各色光具有不同的亮度感觉。在相同的辐射功率条件下，人眼 感到最亮的光是黄绿光，而感觉最暗的光是红光和紫光。视敏特性可用视 敏函数和相对视敏函数来描述。
18 of 37
3.4数据可视化设计组件
第三章 数据可视化基础
3.4.3 可视化的数据