Introduktion till typer av datavisualisering
I den moderna arenan med stor data, med över 2, 5 quintillion byte (1 quintillion byte = 10 18 byte!) Data som skapas varje dag (enligt socialmediatoday.com), finns det ett döende behov av att lagra uppgifterna. Naturligtvis är dessa data täta och därmed inte så användarläsbara och ständigt fokuserade. För att förändra paradigmet för att lätt förstå datorns omfattning och få användbara fördelar i verksamheten måste uppgifterna presenteras på ett mer intuitivt sätt och skulle därför kräva lämpliga diagram för att visualisera dem. Det finns verktyg och metoder byggda för att effektivt skildra uppgifterna, men effektiviteten beror mest på datatypen och kravet som måste ristas ut från uppgifterna.
Vad är datavisualisering?
Datavisualisering är en metod genom vilken data i råformat visas för att få fram betydelsen av det. Med tillkomsten av big data har det blivit nödvändigt att bygga ett meningsfullt sätt att visa upp data så att mängden data inte blir överväldigande. Den del av att skildra uppgifterna kan användas för olika syften, till exempel att hitta trender / gemensamheter / mönster i data, bygga modeller för maskininlärning eller kan användas för en enkel operation som aggregering.
Olika typer av datavisualisering
Datavisualiseringen klassificeras i stort sett i 6 olika typer. Även om datavisualiseringsområdet växer ständigt kommer det inte att bli en överraskning om antalet kategorier ökar.
| Temporal: Data för dessa typer av visualisering bör uppfylla båda villkoren: data som representeras ska vara linjära och ska vara en dimensionella. Dessa typer av visualisering representeras genom linjer som kan överlappa varandra och även har en gemensam start- och slutdatapunkt. | ||
| Spridningsdiagram | Använder punkter för att representera en datapunkt. Det vanligaste i dagens värld inom maskininlärning under undersökande dataanalys. |  |
| Tårtdiagram | Denna typ av visualisering inkluderar cirkulär grafik där båglängden anger storleken. |  |
| Polarområdesdiagram | Liksom cirkeldiagram är polarområdesdiagrammet ett cirkulärt diagram, utom sektorvinklarna, är lika långa och avståndet från att sträcka sig från mitten indikerar storleken. |  |
| Linjediagram | Liksom spridningsdiagrammet representeras data av punkter, förutom förenade av linjer för att upprätthålla kontinuitet. |  |
| Tidslinjer | På detta sätt visar vi en lista med datapunkter i kronologisk tidsordning. |  |
| Tidsseriesekvenser | I tidsserier representerar vi storleken på data i en 2-D-graf i kronologisk ordning för tidsstämpel i data. |  |
| Hierarkisk: Dessa typer av visualiseringar visar ordnade grupper inom en större grupp. På enkelt språk är huvudintuitionen bakom dessa visualiseringar klustren kan visas om flödet av kluster börjar från en enda punkt. | ||
| Träddiagram | I ett träddiagram representeras det hierarkiska flödet i form av ett träd som namnet antyder. Få terminologier för denna representation är:
- Root Node: Ursprungspunkt. - Barnnod: Har en förälder ovan - Bladnod: Ingen mer barnnod. |  |
| Ringdiagram / Sunburst Diagram | Trädrepresentationen i träddiagrammet omvandlas till radiell grund. Denna typ hjälper till att presentera trädet i en kortfattad storlek. Den innersta cirkeln är rotnoden. Och området för barnnoden betyder% av data. |  |
| TreeMap | Trädet representeras i form av rektanglar som är tätt packade. Området anger mängden. |  |
| Cirkelförpackning | I likhet med en trekarta använder den cirkulär förpackning istället för rektanglar. |  |
| Nätverk: Visualiseringen av denna typ kopplar datasätt till datasätt. Dessa visualiseringar visar hur dessa datasätt relaterar till varandra inom ett nätverk. | ||
| Matrisdiagram | Denna typ av visualisering används ofta för att hitta sambandet mellan olika variabler inom sig själva. Till exempel korrelationsplott |  |
| Alluviala diagram | Detta är en typ av flödesschema där förändringarna i nätverkets flöde representeras över intervall som önskas av användaren. |
|
| Word cloud | Detta används vanligtvis för att representera textdata. Orden är tätt packade och storleken på texten betyder ordets frekvens. |
|
| Nodlänkdiagram | Här representeras noderna som prickar och kopplingen mellan noderna presenteras. |  |
| Flerdimensionell: Till skillnad från den temporära visualiseringen kan dessa typer ha flera dimensioner. I detta kan vi använda två eller flera funktioner för att skapa en 3D-visualisering genom samtidiga lager. Dessa gör det möjligt för användaren att presentera viktiga takeaways genom att bryta en hel del icke-användbar data. | ||
| Spridningsdiagram | I multidimensionell data väljer vi valfria två funktioner och plottar dem sedan i en 2-D spridningsdiagram. Genom att göra detta skulle vi ha n C 2 = n (n-1) / 2 grafer. |  |
| Staplade stapeldiagram | Representationssegmentet staplar ovanpå varandra. Det kan vara antingen 100% staplat stapeldiagram där segregeringen representeras i% eller enkel staplad stapeldiagram som anger den verkliga storleken |  |
| Parallell koordinatplott | I denna representation ritas en bakgrund och n parallella linjer dras (för n-dimensionell data). |  |
| Geospatial: Dessa visualiseringar avser den nuvarande fysiska platsen i verkligheten genom att korsa den med kartor (det kan vara en geospatial eller rumslig karta). Intuitionen bakom dessa visualiseringar är att skapa en helhetssyn på prestanda. | ||
| Flödskarta | Rörelse av information eller objekt från en plats till en annan presenteras där storleken på pilen anger beloppet. |  |
| Choropleth-karta | Den geospatiella kartan är färgad på basis av en viss datavariabel. |  |
| kartogram | Denna typ av representation använder tematisk variabel för mappning. Dessa kartor snedvrider verkligheten för att presentera information. Detta betyder att kartorna är överdrivna på en viss variabel. Till exempel är bilden till vänster en rumslig karta förvrängd till en bikupa-struktur. |  |
| Värmekarta | Dessa liknar mycket Choropleth i den geospatiala genren men kan också användas i områden förutom geospatial. |  |
| Diverse: Dessa visualiseringar kan inte generaliseras i en särskilt stor grupp. Så istället för att bilda mindre grupper för den enskilda typen, grupperar vi det i diverse. Några exempel är nedan: | ||
| Öppna-hög-låg-nära-diagram | Denna typ av grafer används vanligtvis för aktiekursrepresentation. Den ökande trenden kallas Bullish och minskar som Bearish. |  |
| Kagi-diagram | Vanligtvis representeras tillgången på efterfrågan på en tillgång med hjälp av detta diagram. |  |
Slutsats
Från ovanstående typer av visualisering ser vi att det i stort sett finns 6 typer av grupper. Listan ovan är inte en uttömmande lista, men få som används allmänt. Under de kommande tiderna när och när nya typer läggs till i listan kan grupperna öka. Det är det för typer av visualisering. Vi fortsätter med vilka parametrar vi ska titta på under fixering av typen av visualisering.
Rekommenderade artiklar
Detta är en guide till typen av datavisualisering. Här diskuterar vi introduktionen och olika typer av datavisualisering. Du kan också gå igenom våra andra artiklar som föreslås för att lära dig mer–
- Typer av dataanalysstekniker
- Talend Data Integration
- Dataanalysverktyg
- Data Science Tools
- Talend Tools
- Vad är dataintegration?
- Spridda tomter i Matlab
- Hur stapeldiagrammet används i Matlab (exempel)