数据可视化-21级

余凌 胡昌龙 严庆 田萌 李伟卿

目录

  • 1 数据可视化概述
    • 1.1 数据可视化的界定与理解
    • 1.2 数据可视化的优势与作用
    • 1.3 数据可视化的类别与关系
    • 1.4 数据可视化的发展历程与规律
    • 1.5 数据可视化的趋势与挑战
    • 1.6 参考
  • 2 数据可视化的理论基础
    • 2.1 视觉感知
    • 2.2 视觉认知
    • 2.3 格式塔理论
    • 2.4 视觉编码
    • 2.5 数据准备
    • 2.6 参考
  • 3 数据可视化的图标基础
    • 3.1 数据可视化的基本图表
    • 3.2 数据可视化的传统图表
    • 3.3 数据可视化的新型图表
    • 3.4 第三章自学材料+第二次作业要求
  • 4 数据可视化的设计要素
    • 4.1 数据可视化的设计组件
    • 4.2 数据可视化的设计原则
    • 4.3 数据可视化的视觉设计
    • 4.4 数据可视化的图表设计
    • 4.5 数据可视化的配色方案设计
    • 4.6 数据可视化的字体设计
    • 4.7 数据可视化的应用场景设计
    • 4.8 参考
  • 5 数据可视化的实现与优化
    • 5.1 数据可视化的基本步骤
    • 5.2 数据可视化的实现方法
    • 5.3 数据可视化的具体实现
    • 5.4 数据可视化的优化
    • 5.5 2020级优秀作品展示
  • 6 数据可视化工具-实验环节
    • 6.1 Echarts
    • 6.2 Python集成开发环境Jupyter
数据可视化的类别与关系
  • 科学可视化:

一个跨学科研究与应用领域,侧重于利用计算机图形学来创建视觉图像,从而帮助人们理解那些采取错综复杂而又往往规模庞大的数字呈现形式的科学概念或结果。

主要关注的是三维现象的可视化,如建筑学,气象学,医学或生物学方面各种系统。

  • 信息可视化:

信息可视化提供紧凑的图形表示和用户界面。使用巨大的视觉带宽和非凡的人类感知系统,使用户能够对模式、条目分组或单个条目有所发现、做出决定或提出解释。

典型问题包含更多的分类变量和股票价格、医疗记录或社会关系之类数据中模式、趋势、聚类、异类和空白的发现。

  • 可视化分析:

一种通过交互式可视化界面来辅助用户对大规模复杂数据集进行分析推理的科学与技术。其重点是通过交互式视觉界面进行分析推理。

  • 三者关系:

1、科学可视化处理具有自然几何结构(磁场、MRI 数据、洋流)的数据。

2、信息可视化处理抽象数据结构,如树或图形。

3、可视分析学将交互式视觉表示与基础分析过程(统计过程、数据挖掘技术)结合,能有效执行高级别、复杂的活动(推理、决策)。