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
数据可视化的趋势与挑战
  • 发展趋势:

1、数据可视化不再仅仅属于数据科学家

2、开放数据与私有数据的增加不断丰富着数据可视化

3、人工智能和机器学习让数据专家更智慧地工作

4、互动式可视化正在成为数据可视化的标准媒介

5、围绕社会热点进行的数据可视化正在主导社交话题

  • 未来挑战

1、视觉噪声:在数据集中,大多数对象之间具有很强的相关性,用户无法把他们分离作为独立的对象来显示。

2、信息丢失:减少可视数据集的方法是可行的,但是这会导致信息的丢失。

3、大型图像感知:数据可视化不仅受限于设备的长宽比和分辨率,也受限于现实世界的感受。

4、高速图像变换:用户虽然能观察数据,却不能对数据强度变化做出反应。

5、高性能要求:在静态可视化几乎没有这个要求,因为可视化速度较低,性能的要求也不高。