数据可视化 Chapter 1

数据可视化 (Data Visualization)

Statistical Graphics

• Purpose: To communicate statistical data and results to a broad audience
• Types:
  • Univariate plots (e.g., histograms, box plots)
  • Bivariate plots (e.g., scatter plots)
  • Multivariate plots (e.g., parallel coordinates, Andrews plots)
• Goals:
  • Explore and understand data distributions
  • Identify patterns, trends, and correlations
  • Communicate statistical results to non-technical stakeholders
• Tools:
  • R (ggplot2, Shiny)
  • Python (Matplotlib, Seaborn, Plotly)
  • Excel (Chart tools)

Geospatial Visualization

• Purpose: To analyze and visualize geographically referenced data
• Types:
  • 2D maps (e.g., choropleth, bubble maps)
  • 3D maps (e.g., globe, terrain)
  • Interactive maps (e.g., zoomable, hover-over details)
• Goals:
  • Identify geographic patterns and trends
  • Understand spatial relationships and correlations
  • Visualize large-scale geographic data
• Tools:
  • ArcGIS
  • QGIS
  • Leaflet.js
  • Google Maps API

Information Visualization

• Purpose: To help people understand and analyze complex information
• Types:
  • Node-link diagrams (e.g., social networks, citation networks)
  • Hierarchical visualizations (e.g., trees, treemaps)
  • Timeline visualizations (e.g., event sequences, time-series data)
• Goals:
  • Identify relationships and patterns in complex data
  • Support decision-making and problem-solving
  • Facilitate exploration and discovery
• Tools:
  • D3.js
  • Gephi
  • Tableau
  • Power BI

数据可视化 (Data Visualization)

统计图形 (Statistical Graphics)

• 目的：将统计数据和结果传递给广泛的受众
• 类型：
  • 单变量图形（例如，直方图、箱形图）
  • 双变量图形（例如，散点图）
  • 多变量图形（例如，平行坐标、Andrews 图）
• 目标：
  • 探索和理解数据分布
  • 确定模式、趋势和相关性
  • 将统计结果传递给非技术干系人
• 工具：
  • R（ggplot2、Shiny）
  • Python（Matplotlib、Seaborn、Plotly）
  • Excel（图表工具）

地理信息可视化 (Geospatial Visualization)

• 目的：分析和可视化地理参考数据
• 类型：
  • 2D 地图（例如， choropleth 图、bubble 图）
  • 3D 地图（例如，全球、terrain 图）
  • 交互式地图（例如，zoomable、hover-over 详情）
• 目标：
  • 确定地理模式和趋势
  • 理解空间关系和相关性
  • 可视化大规模地理数据
• 工具：
  • ArcGIS
  • QGIS
  • Leaflet.js
  • Google Maps API

信息可视化 (Information Visualization)

• 目的：帮助人们理解和分析复杂信息
• 类型：
  • 节点链图（例如，社交网络、引用网络）
  • 分级可视化（例如，树、treemap）
  • 时间轴可视化（例如，事件序列、时间序列数据）
• 目标：
  • 确定复杂数据中的关系和模式
  • 支持决策和问题解决
  • 促进探索和发现
• 工具：
  • D3.js
  • Gephi
  • Tableau
  • Power BI

了解统计图形的目的、类型和目标，以及如何使用数据可视化工具来探索和理解数据分布，识别模式、趋势和相关性，并将统计结果传达给非技术干系人。