数据挖掘:用可视化效果展现你的数据

数据库技术    2012-12-12 23:14  

  文章通过介绍Visualization 即可视化,罗列了数据的展现方式。对于数据分析最困难的一部分就是数据的展示,解读数据之间的关系,清晰有效的传达并且沟通数据信息。

  对于数据挖掘,我们可以通过文中对数据可视化的案例找到分析数据、展现数据的方法和思路。

  Data visualization 是一件很有趣的事情。最近在尝试处理数据,便顺手翻了翻 visualization 的进展,然后除了 IBM 大名鼎鼎的的 many-eyes 。

  还有一个比较好有意思的网站是visualizing。Visualizing 跟 many-eyes 很像,都是社区形式的网站,用户可以注册然后上传,而且网站还有积累下来的很多数据供用户使用。

  当然我不是为了介绍这个网站才写这篇 post 的,写 post 是一个记笔记的过程,如果我不能从中学到什么,就有点浪费时间了。下面进入正题,我尝试总结一下 visualization 的时候的几个可用的经验。

  应该使用何种形式来表现数据

  从 visualizing.org 的分类中提取出来的有用的形式包括(不过说实话这样分类并不是很好用)

  1.Chart

  2.Time series

  3.Map

  4.Flow

  5.Matrix

  6.Network

  7.Hierarchy

  8.Info-graphic

  要可视化的数据可以分几类(我想的不全面,欢迎补充,共同学习)

  有一系列对象,他们之间相互有关联

  写成 A?B 粗体的拉丁字母表示一系列对象,比如一系列地点。

  这种情况下因为要展示数据之间相互关系,所以实质上是一个 network 图,不过通过一些技巧可以把简单的 network 图变成更好的形式。

  方式一:使用转换成 flow 图。通过把对象列出两遍来是的原本应该是一个比较复杂难以看清的 network 变成了清晰易查找的 flow。

  这类图中我喜欢的一个是 people moving 的 flow

  这个 flow 图非常好的展示了从一个国家移民到另一个国家,上面的截图就是人们移居(migrate,是移民么?)到加拿大的情况,可以看到中国(CH)移民到加拿大的还是比较多的。通过这样的 flow,我们可以很容易很直观的分析数据。

  方式二:圈形的 network 图。为什么要做出圈形呢?因为圈形可以使得连线集中在圈内部,而且可以减少数据交叉。通过 interactive design,可以使得连线无交叉。比如这个 Migrants moving money

  这个截图是中国的侨款,也就是中国移民所寄回祖国中国的钱数。可以看排除香港地区,美国是最大的来源。

  事实上这种方法与第一种本质是相同的。

  方式三:network 图。通过点和连线来关联。例子比如Attractions of Councils: WEF GAC interlink survey

  但是这个图实际上并不好。而且有时候,线条是可以去掉的,比如这个国际航班的可视化:

  Click a nation to see all connected nations via flights. Click again to see arranged nations based on the distance. Double-click the background to reset.

  截图:

  方式四:使用 table。不过为了更直观,使用面积等方式来代表数据的大小。

  比如 10 个人任意两个人之间相互按照对对方的好感程度打分,为了展示任意两个人 A 和 B 之间相互的好感程度,可以使用颜色柱来展示,选定一个作为两个人好感程度相同,颜色柱之上的颜色表示 A 对 B 的好感大于 B 对 A 的好感,反之亦然。

  这里有个 council 之间的例子,截图如下:

  层级数据,数据之间可以分成几个层级关系

  就是 Hierarchy 图,不过有时候可以省掉连线。

  比如这个 soft drink 的 hierarchy 图

  从这张截图立刻可以看到 coca-cola 和 pepsi 的庞大,通过原网页可以自由的放大缩小来查看不同的公司的产品。

  这样的 hierarchy 图要比单调的并列的整整齐齐的列举要包含了更多的信息,因为圆圈的大小可以表示数据的一个维度,甚至还可以引入颜色等等来表示更多的维度。

  简单的两维数据,比如某种现象出现的频数

  方式一:使用 Histogram。这是比较经典的选择,即使用矩形或者线条的长度来表示数据的大小。例如这个关于能源的 visualization

  方式二:使用树图(Tree map),使用面积表示数据的大小。这里有个 UN 的 Global Pulse Visualization 的例子:

  方式三:使用散点,使用散点的大小或者颜色等属性来表示数据的大小。

  一个很优秀的例子是学生坐座位习惯的例子,截图:

  事实上 tag page 也是属于这类,我们可以通过每个 tag 的大小颜色等等来标示数据的大小。

  坐标数据

  除了可以使用上面说提到的方式,对于坐标数据,有个特点是可以绘制地图(Map),而 Map 可以与其他形式结合,比如 flow。一个比较好的例子是关于我们坐飞机的一张图,截图如下:

  图片上部的地图是飞行的出发城市,下部的地图是终点城市。更多内容可以查看UCSB的这个站点,其中提供了 demo 软件。

  不同 visualization 的结合

  前些时候,以为天文学家 Goodman 写过一篇关于高维天文数据可视化的论文,其中提到了 linked views 很重要,就是说我们要多种可视化方式联合起来展示数据,我截取论文中一张图片来说明。 

  不同的 visualization 结合起来对数据进行多角度的呈现,可以使我们对数据有更深刻的理解。所以 data mining 实际上是一个应用非常广泛的专业,一个 data mining 专业的学生在现在这种天文专业被大量数据所轰炸(有篇论文就是说 data tsunami 时代)真是个宝贝啊。

  有一个不错的历史方面的数据可视化例子,把时间线和地图集合起来展示的,这个方案实际是一种深层次的 linked views: Conflict History of the World

  一些有用的工具

  1、http://en.wikipedia.org/wiki/Data_visualization 自然要先查看一下 wikipedia 啦啦啦~

  2、visualizing.org 有个列表:

  3、http://selection.datavisualization.ch/ 列举了很多有用的工具。

  4、https://github.com/blprnt/Kepler-Visualization This is a Processing sketch to visualize data from NASA’s Kepler mission.

  5、http://flowingmedia.com/timeflow.html Time Flow is an open-source timeline built to help journalists analyze temporal data. The application offers several view modes–timelime, calendar, list, table–to help explore thousands of data points.

  6、http://mapbox.com/ Mapbox is a tool for map making.

  Data Visualization 的机构/组织/社区

  1、http://envisioningtech.com/

  有些不错的 data visualization,比如(图片来自 envisioningtech.com)

  2、IBM 的 Many-eyes.com

  这个一开始提到了,是个 visualization 的社区。

  3、http://datavisualization.ch/

  之前提到过它的工具列表了。这个网站是

  4、http://visual.ly/

  一个类似 data visualization 社区的网站。

  5、http://visualization.geblogs.com/

  来自 GE 的例子。

  6、http://oicweave.org/

  Web-based Analysis and Visualization Environment

  本文所用的数据按照 visualizing.org 所标示,使用 CC BY-NC-SA 协议,除了明确指明的图片,其他图片皆出自 visualizing.org。

  好了讲完了,可以用 exoplanets.org 的数据来玩玩。

在线留言

我要留言