大数据基础-第七章-大数据可视化

7.2 可视化工具与应用案例
18
➢ 脚本层提供了pyplot接口。脚本层适用于数据分析与可视化过程中的计算。 因为该层提供了与Matlab非常相似的函数集和函数用法，因此熟悉Matlab 的用户可以很快上手Matplotlib。而后端层与表现层更适合Web和其他应用 程序的开发者使用。
➢ 表现层是Matplotlib的前端，是用户在使用库过程中必须面对和处理的部 分。尽管Matplotlib对数据可视化过程中的很多功能和处理进行了封装， 简化了用户图形绘制的复杂度，但其中的一些内容仍需要用户根据自己的 需求进行处理。
7.2 可视化工具与应用案例
23
➢ 案例
使用Highcharts之前必须首先获取Highcharts.js资 源。获取该资源有两种基本方式。一种是如上文所 述，直接通过 <scriptsrc="/ highcharts.js"></script>方式获取。这种方式需 要运行图表绘制的计算机能够连接到Internet上， 否则将会失效。第二种方式不要求计算机在线，而 是先下载Highcharts资源，然后在本机使用。
要引入相应的包。
7.2 可视化工具与应用案例
21
➢ 由于Highcharts图表库完全是由Javascript开发的，因此其 具有以下基本特征。
① Highcharts是网页报表工具，开发语言是Javascript，因此可以在 大多数的Web应用中使用，并且针对非商业使用是完全免费的。
② Highcharts是一个简单易用、美观、跨平台、跨浏览器的图表工具， 因此具有很强的兼容性，可以运行于当今主要的浏览器中。
➢ 数据可视化市场与发展
据MRC统计并预测，在未来几年全球数据可视化应用市场的复合年增长率 保持在10.3%左右。
数据可视化最早、最普遍的应用是针对IT管理人员的。 数据可视化的另一个成熟的应用市场在医疗健康领域。 实际上随着数据挖掘技术的不断发展与成熟，数据可视化的快速发展是
可以预期的，其应用市场包含的范围也越来越广泛，上到天文观测，下 到地理观测和矿藏分析，还有人类社会、经济的方方面面。
7.2 可视化工具与应用案例
7
➢尽管大数据时代对于可视化工具的要求越来越高，但仍有大量专门 的可视化工具可用于实践，本节简单介绍以下工具。
Polymaps是一个免费的Java库，也是SimpleGeo和Stamen联合开发的一 个项目。在测试上，新的设计方案都是在多次审慎测试后的最优结果。
NodeBox是实验媒介研究小组（Experimental Media Research Group） 开发的一组开源工具。
Flot是JQuery的一个Java绘图库，Flot是一个基于浏览器的应用程序，并 且能够兼容大多数常见的浏览器，包括IE、Chrome、Firefox、Safari和 Opera。
7.2 可视化工具与应用案例
8
Processing创建之初是为计算机基础知识提供的一种视觉环境创建与开发 手段，但现在由学生、设计师、研究者、艺术家和业余爱好者使用，用于 创造学习模型和实际产品的原型。
Processing的姐妹工具，Processing.js可以处理复杂的数据视觉化、图形 、图表或其他视觉效果，是网页可用的形式，并不需要任何扩展程序或插 件。
FF Chartwell可将简单数字串转换为可编辑的数据可视化模型，并进一步 自定义使用OpenTy功能。
7.2 可视化工具与应用案例
视化和软件开发的实时协作。 Tableau是数据可视化的市场领导者之一，在为大数据操作、深度学
习算法和多种类型的AI应用程序提供交互式数据可视化方面尤为高效 。
7.2 可视化工具与应用案例
13
➢ Excel Excel是微软公司推出的Office办公软件套装的重要构成组件之一，是一
种电子表格软件，可用于制作各种各样的电子表格，实现数据的规整与结 构化处理，并提供大量的数据统计和计算处理函数与功能。
7.2 可视化工具与应用案例
17
Matplotlib的代码整体架构在逻辑关 系上可以分为三个不同层级的组成 部分。各层之间的通信方向有严格 的限制，只能由上而下，不可反向 通信，这简化了各层之间的逻辑关 联。这三层分别是：脚本（ Scripting）层、表现（Artist）层、 后端（Backend）层。
➢ 最下面一层为后端层。Matplotlib API即位于该层，这些API是用来在底层 实现图形元素的一个个类。
7.2 可视化工具与应用案例
19
Matplotlib是基于Python语言的一个绘图库， 因此本实验需要先构建Python开发环境 （可以参考6.3节安装与配置），其具体实 验过程如下。 1．完成Python开发环境的下载、搭建与配 置 2．安装Matplotlib模块 3. 基于Matplotlib的可视化绘图
9
Google Maps能提供一些APIs给开发者，如谷歌地球、谷歌地图图像和谷 歌地方信息。
SAS视觉分析（SAS Visual Analytics）可以更加全面地分析探索各种尺寸 的数据集可视化，拥有直观的平台和自动化预测工具。
Crossfilter使我们能够在浏览器里探索大量多元的数据集，也是Java库， 可处理超过一百万个记录的数据集。
➢ 其他种类分析和可视化方法
除了对比分析、结构分析和透视分析三种特征比较明显的可视化方法，Excel还 提供了其他种类的图表和可视化模式，比如：变化分析、分组分析、矩阵分析、 三维立体图和嵌套图表分析等。
7.2 可视化工具与应用案例
16
➢ Matplotlib
Python语言是大数据处理的重要工具和编程语言之一，具有功能强大、 易于学习、编程效率高等特点。Matplotlib是基于Python语言的可视化绘 图库。所谓绘图库，就是为Python语言提供的针对数据可视化和图形绘制 最常用的功能和操作，Matplotlib将这些功能与操作以一定的方式封装起 来，并为Python开发和使用人员提供使用这些功能、操作的接口，比如提 供可以调用的函数和使用的对象等，这样，相关人员在使用Python处理数 据的过程中就可以很简单、高效地绘制出各种各样的漂亮图形，实现大数 据的可视化。
其核心思想可以概括成： 第一，通过可视化，人们对数据的属性和特征进行提取和呈现。 第二，数据可视化的定义从狭义上来说是指将数据用统计图表的方式呈现。 第三，广义上的数据可视化是信息可视化中的一类，因为信息是包含了数 字和非数字的。
7.1 数据可视化的概述
5
➢ 数据可视化的的特征与趋势
大数据的本质在于预测，通过可视化可以预测趋势与走向，这种趋势可能 是时间上的，也可能是空间上的。
7.2 可视化工具与应用案例
20
➢ Highcharts Highcharts使用基于Javascript脚本的图表库，广泛应用于各种基于Web
的数据可视化应用程序中。 Highcharts可以为网站和网页提供直观的、互动式的图表，它目前支持
线、面积、Areaspline、柱形图、条形图、饼图和散点图等类型。 Highcharts为调用应用程序提供了丰富的API，但在具体使用之前一般需
➢ 结构分析
结构分析一般用于数据集构成一个完整系统的环境下使用，主要呈现系 统结构中不同组成部分或者对象之间的关系。
7.2 可视化工具与应用案例
15
➢ 透视分析
Excel是一款基于二维表的可视化工具，但在实际应用过程中经常需要涉及多 维度、多层次、多方面与多规则的分析需求，这需要通过透视图表、切片器分析 和可视化方法进行处理。
③ Highcharts支持多种图表类型的绘制（多达20种图表），并且允许 多图表集成在统一图形中形成组合图，满足各种数据可视化的需求。
7.2 可视化工具与应用案例
22
➢ 由于Highcharts图表库完全是由Javascript开发的，因此其 具有以下基本特征。
④ Highcharts支持提示功能。 ⑤ Highcharts具有动态缩放功能。 ⑥ Highcharts图表支持高精度时间跨度。 ⑦ 支持多种格式的图表文件输出。 ⑧ 支持多方向文字旋转。 ⑨ 具有动态交互性。
Kartograph既是Python库也是Java库，迎合了想要创建友好型Illustrator SVG地图和交互式地图的开发者，并且能够在主要浏览器上运行。
7.2 可视化工具与应用案例
10
Excel因为它的数据处理和分析功能而闻名，但是它经常用于创建强大 的数据可视化。
CartoDB允许你在数分钟内上传并视觉化数亿个数据值。它还具有地 理空间分析功能，并能从你的数据获得信息。
7.2 可视化工具与应用案例
6
➢ 人类无法像理解自然语言一样来阅读和理解网络世界中的大数据， 因此不得不借助各种数据可视化工具来直观和直接地感知原始数据 及其蕴含的特征与模式。
➢为了满足人们能够“畅游”数据海洋，高效获取所需的信息与知识 ，数据可视化工具应该具备一些基本特征。
能够处理不同类型的传入数据 能够应用不同种类的过滤器来调整结果 能够在分析过程中与数据集进行交互 能够连接其他软件接收输入数据或为其他软件提供输入数据 能够为用户提供协作选项
Timeline JS作为开源工具，能够运用40种不同语言建立交互式时间 轴。
Quadrigram使用户能够创建自定义可视工具与应用案例
12
Many Eyes是IBM研究所和IBM Cognos软件小组的试验成果。 iCharts是基于网络端的应用程序，能够在网页上实现数据可视化。 Jupyter是一个开源项目，支持通过十多种编程语言实现大数据分析、可
Excel工具为数据可视化提供四种基本类型的可视化分析方法，包括对 比分析、结构分析、透视分析和其他种类分析和可视化方法。
7.2 可视化工具与应用案例