大数据可视化技术教案.doc

《大数据可视化技术教案.doc》由会员分享，可在线阅读，更多相关《大数据可视化技术教案.doc（62页珍藏版）》请在三一文库上搜索。

1、精选优质文档-倾情为你奉上教 案（详案）2019 -2020学年第2学期 课程名称： 大数据可视化技术 课程代码： 适用专业： 计算机应用技术 教师姓名： 所属系部： 职 称： 课 时： 总学时64 使用教材： 大数据可视化技术 教学单元教案主题任务1 大数据可视化概述 序号1课时 2教学手段 多媒体、板书、实训室教学方法讲授法、演示法、案例法教学课型理论 实训 一体化 （ 其它 ）教学目标能力目标：能够理解什么是大数据可视化；掌握大数据可视化的作用与意义。知识目标：能够理解什么是大数据可视化；掌握大数据可视化的作用与意义;了解数据可视化在其他领域的应用。素质目标：复习旧知识、学习新知识的能力

2、 。教学重点能够理解什么是大数据可视化；掌握大数据可视化的作用与意义;了解数据可视化在其他领域的应用。教学难点能够理解什么是大数据可视化；掌握大数据可视化的作用与意义教学过程设计备注一. 导入（15分钟）数据是抽象的，有时也可以是异常美丽的。可视化技术为大数据分析提供了一种更加直观的数据挖掘、分析与展示手段，有助于发现大数据中蕴含的规律，在各行各业均得到了广泛的应用。可视化和可视化分析利用人类视觉认知的高通量特点，通过图形和交互的形式表现信息的内在规律及其传递、表达的过程，充分结合人的智能和机器的计算分析能力，是人们理解复杂现象、诠释复杂数据的重要手段和途径。数据可视化是大数据的主要理论基础，

3、也是大数据的关键技术，已经成为当前大数据分析的重要研究领域。下面就让我们开始大数据可视化之旅吧！教师活动：PPT讲解、案例演示；学生活动：听讲记录；时间分配：5分钟。二. 教学内容（60分钟）1、 什么是大数据可视化（1） 大数据可视化的定义数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通信息。数据：聚焦于解决数据的采集，清理，预处理，分析，挖掘。图形：聚焦于解决对光学图像进行接收、提取信息、加工变换、模式识别及存储显示。可视化：聚焦于解决将数据转换成图形，并进行交互处理。（2） 大数据可视化的分层从市场上的数据可视化工具来看，数据可视化分为5个层级，如下图所示：（3） 数据可视化技术

4、基础概念数据可视化技术包含以下几个基本概念：1.数据空间：是由n维属性和m个元素组成的数据集所构成的多维信息空间；2.数据开发：是指利用一定的算法和工具对数据进行定量的推演和计算；3.数据分析：指对多维数据进行切片、块、旋转等动作剖析数据，从而能多角度多侧面观察数据；4.数据可视化：是指将大型数据集中的数据以图形图像形式表示，并利用数据分析和开发工具发现其中未知信息的处理过程。数据可视化已经提出了许多方法，这些方法根据其可视化的原理不同可以划分为基于几何的技术、面向像素技术、基于图标的技术、基于层次的技术、基于图像的技术和分布式技术等等。（4） 数据可视化领域的起源数据可视化领域的起源，可以追

5、溯到20世纪50年代计算机图形学的早期。当时，人们利用计算机创建了首批图形图表。（5） 教师活动：PPT讲解；学生活动：听讲记录；时间分配：20分钟。2、数据可视化作用与意义（1）数据可视化作用 数据可视化的主要作用包括数据记录和表达、数据操作及数据分析3个方面，这也是以可视化技术支持计算机辅助数据认知的3个基本阶段：1. 数据记录和表达 借助于有效的图形展示工具，数据可视化能够在小空间呈现大规模数据。 2. 数据操作 数据操作是以计算机提供的界面、接口、协议等条件为基础完成人与数据的交互需求。3. 数据分析 数据分析是通过数据计算获得多维、多源、异构和海量数据所隐含信息的核心手段，它是数据存

6、储、数据转换、数据计算和数据可视化的综合应用。（2）数据可视化意义数据可视化在数据科学中的重要地位主要表现在以下4个方面：1.视觉是人类获得信息的最主要途径1）视觉感知是人类大脑的最主要功能之一2）眼睛是感知信息能力最强的人体器官之一2.数据可视化的主要优势 1）可以洞察统计分析无法发现的结构和细节 2）可视化处理有利于大数据普及应用3.可视化能够帮助人们提高理解与处理数据的效率4.数据可视化能够在小空间展示大规模数据3、数据可视化的经典案例数据可视化是对各类数据的可视化理论与方法的统称。近年来，可视化的应用范围随着计算机技术、图形学技术的发展而不断拓宽，除了传统的医学、航空学、汽车设计、气象

7、预报和海洋学领域外，大数据可视化的重要应用领域表现在大科学、大工程、大安全、互联网与社交媒体、物联网与智慧城市5大领域。 （1） 元素周期表 （2） 伦敦地铁图（3） 南丁格尔玫瑰图（4） 智能交通可视化（5） 生命科学可视化教师活动：讲解演示；学生活动：听讲记录；时间分配：50分钟。三.总结（5分钟）教师总结本次课的重点内容及需要使用的注意知识点。作业布置教学反思专心-专注-专业教学单元教案主题任务2可视化的类型与模型序号2课时 2教学手段 多媒体、板书、实训室教学方法讲授法、演示法、案例法教学课型理论 实训 一体化 （ 其它 ）教学目标能力目标：能够掌握科学可视化的常用方法；能够掌握可视化

8、三大模型的基本流程、分析过程。知识目标：能够基本掌握可视化的两大类型；能够掌握科学可视化的常用方法；能够掌握信息可视化数据的分类；能够掌握可视化三大模型的基本流程、分析过程。素质目标：接受新知识、自主学习的能力。 教学重点能够掌握科学可视化的常用方法；能够掌握信息可视化数据的分类；能够掌握可视化三大模型的基本流程、分析过程；教学难点能够掌握科学可视化的常用方法；能够掌握可视化三大模型的基本流程、分析过程。教学过程设计备注一.导入（5分钟）了解了可视化相关技术及运用领域，这一节我们将来学习可视化的类型与模型。 教师活动：PPT讲解；学生活动：听讲记录；时间分配：5分钟。二.教学内容1、可视化类型

9、70分钟）2、科学可视化科学可视化最初称为“科学计算机之中的可视化”(Visualization In Scientific Computing,VISC)。运用计算机图形学和图像处理的研究成果创建视觉图像，替代那些规模庞大而又错综复杂的数字化呈现形式，帮助人们更好地理解科学技术概念和科学数据成果。科学可视化的研究重点有两个：一是判断可视化对象的类别，判断类别之后才能确定如何用计算机 来进行可视化表现;二是将研究对象以最接近真实事物的效果快速地绘制出来，不仅以单纯展示的方式显现出来，而且能通过虚拟空间的方式让人们身临其境，用视觉、触觉 等交互方式进行观察、理解和研究。（1） 发展方向科学可视

10、化所涉及的领域包括建筑学、气象环境学、医学、生物学、考古学、机械制造等，所有它所处理的对象是指具有空间几何特征数据的时空现象，需要对勘察、计算、实验模拟等获取到的数据进行描绘，并提供交互分析手段。所有其发展的方向也非常多样。（2） 分类 体可视化研究对象主要是体数据，即三维采样数 据，是各类科学工程领域以及医学领域中常见的数据类型(图 2-1)。体可视化技术包括 等值面的抽取技术(Iso-surfaces Extraction Technique)、直接体绘制(Direct Volume Rendering)等。 流场可视化运用计算机图形学和图像处理技术，将流场数据转换为二维或三维图 形、图像

11、或动画进行呈现，并详细分析其模式和相互关系，是计算流体力学研究与工程 实践中不可缺少的手段。 大规模数据可视化 研究重点在于如何高效 快捷地对海量的数据进行处理。（3）常用方法颜色映射方法用颜色表示数据场中数据 值的大小，即在数据与颜色之间建立一个映射关系，把不同的数据映射为不同的颜色。等值线方法制图对象某一数量指标值相等的各点连成的平滑曲线，由地图上标出的表示制图对象数量的各点采用内插法找出各整数点绘制而成的。每两条等值线之间的数量差额多为常数，可通过等值线的疏密程度来判断现象的数量变化趋势。 立体图法和层次分割法矢量数据场 的直接法和流线法通过记录坐标的方式来尽可能将地理实体的空间位置表现

12、的准确无误（3） 系统组成 根据科学可视化系统主要功能的要求，科学可视化系统大致可由以下几部分组成: 数据的管理与过滤；提取几何图元和建立模型； 绘制； 显示和播放。众多的科学可视化系统采用“可视化流水线”作为理论模型 ：3、信息可视化信息可视化是 1989 年由斯图尔特卡德(Stuart K. Card )、约克麦金利(Jock D. Mackinlay)和乔治罗伯逊(GeorgeG. Robertson)提出的信息可视化就是利用计算机支撑的、交互的、对抽象数据的可视表示，增强人们对 这些抽象信息的认知。-即是将非空间数据的信息对象的特征值抽取、转换、映射、高度 抽象与整合，用图形、图像、动

13、画等方式表示信息对象内容特征和语义的过程。信息对象包括文本、图像、视频和语音等类型，它们的可视化分别采用不同模型方法实现。（1） 现代信息可视化发展 传统方式的信息可视化是利用视觉设计学和人体感官原理，将图形、色彩、标志等原始视觉信号应用于管理实践中。伴随信息技术、虚拟现实技术、计算机网络等的发展，现代的日常生活中所需要管理和处理的数据远超过传统模式，对信息的失效、准确度要求也逐步提高，因此，现代信息可视化技术主要从以下几个方面展开：1.文本信息可视化2.层次信息可视化3.Web 信息可视化4.可视化数据挖掘5.多维信息可视化（2）数据分类信息可视化可分为：一维线性数据 以一维线性方式组织的数

14、据，如数据库、文本等。二维数据 又称平面数据，数据集中的对象具有形状、大小、颜色等特征。三维数据 主要集中在数据对象的体积、表面积、位置、方向、遮挡与导航等方面。多维数据 是将具有n(3个以上)个属性的数据对象映射为n维空间中的标记。时态数据 时态数据的可视化主要应用在期货市场需求分析、地震预测和生物电信号分析等领域层次数据网络结构在信息可视化中，从原始数据到用户，中间要经历一系列数据变换。数据转换把原始数据映射为数据表；可视化映射把数据表转换为结合了空间基、标记和图形属性的可视化结构。（2） 技术不同的数据所涉及的可视化技术也是不尽相同：多维数据可视化技术 平行坐标系散点图Andrews 曲

15、线法 层次数据的可视化节点连接图树图网络数据可视化力导向布局分层布局网格布局（3） 基本过程及特征在 CARD 等提出的信息可视化模型中，信息可视化过程可以划分为 3 个数据转换的过程: 1.原始数据到数据表的转换、2.数据表到可视化结构的转换、3.可视化结构到视图的转换。（4）主要特点位置特征 交互探讨性直观形象性 信息的动态性多源数据的采集和集成性 信息载体的多样性（5）应用领域可视化数据挖掘 KM 可视化可视化技术在空间信息挖掘中的应用 信息可视化商品4、顺序模型顺序模型的流程分为七步，如下图所示，且七步可归纳为这三大部分：1.原始数据的转换 原始数据的转换包括 7 个阶段里的获取、分析

16、过滤和挖掘。 2.数据的视觉转换 数据的视觉转换包括 7 个阶段里的表示和修饰。3.界面交互 界面交互包括 7 个阶段里的交互。5、分析模型下图是典型的可视分析模型，起点是输入的数据，终点是提炼的知识。可视化分析是从数据到知识，从知识到数据，再从数据到知识的循环过程。数据可视化分析流程中的核心要素包括以下四个方面：1.数据表示与转换2.数据的可视化呈现3.用户交互4.分析推理6、循环模型该模型包含左边计算机的部分和右边人的部分。在计算机部分中， 数据被绘制为可视化图表，同时也通过模型进行整理和挖掘。在人的部分中，提出了 3 层循环:探索循环、验证循环和知识产生循环。教师活动：讲解、演示；学生

17、活动：理解记笔记；时间分配：70分钟。三.总结（5分钟）总结本次课的重点、难点知识：1、数据可视化是关于数据视觉表现形式的科学技术研究。这种数据的视觉表现形式被定义为“把信息用某种概要形式抽取出来”，其中应包括信息单位的各种属性和变量。2、数据可视化主要指的是利用计算机图形学和图像处理技术，通过表达，建模以及图形显示对数据加以可视化解释。3、可视化的类型分为：科学可视化、信息可视化。4、可视化的模型分为：顺序模型、分析模型、循环模型。布置作业并提醒学生预习下次课的内容。作业布置教学反思教学单元教案主题任务3 数据可视化基础序号3课时 2教学手段 多媒体、板书、实训室教学方法讲授法、演示法、案例

18、法教学课型理论 实训 一体化 （ 其它 ）教学目标能力目标：掌握可视化的基本特征、流程、设计组件及框架设计整体思路。知识目标：掌握可视化的基本特征、流程、设计组件及框架设计整体思路。素质目标：接受新知识、自主学习的能力。教学重点掌握可视化的基本特征、流程、设计组件及框架设计整体思路。教学难点掌握可视化的基本特征、流程、设计组件及框架设计整体思路教学过程设计备注一.导入（5分钟）提出疑问：1、可视化技术需要学习和掌握哪些知识呢？怎样才能更好的利用可视化技术呢？ 教师活动：PPT讲解；学生活动：听讲记录；时间分配：5分钟。二.教学内容（70分钟）1、可视化基本特征（1） 数据可视化不只是一种新颖的

19、数据处理工具和技术，同时作为一种表达数据的方法，它是对现实世界的抽象表达。（2） 利用可见的图表或图形呈现数据，是最能够让用户对数据产生直观印象的方式。大数据可视化不仅有一般数据可视化的基本特点，更有其本身特性带来的新要求，其特征主要体现在以下几个方面：（3） 易懂性 可视化使人们更加容易地理解数据和使用数据，进而便于人们将数据与他们的经验知识相关联。可视化使得原本碎片化的数据转换为具有特定结构的知识，从而为科学决策支持提供强有力的支持。（4） 必然性数据量已远远超出了人们直接读取、浏览和操作数据的能力，必然要求人们对数据进行形象化的归纳和总结，对数据的结构和表现形式进行有效的转换处理。（5）

20、 多维性通过数据可视化的多维呈现，能够清楚地对数据相关的多个变量或者多个属性进行标识，并且所处理的数据可以根据每一维的量值来进行显示、组合、排序与分类。 （6） 片面性数据可视化往往只是从特定的视角或需求来认识数据，并得到符合特定目的的可视化模式。数据可视化的片面性特征意味着可视化模式不能替代数据本身，只能作为数据表达的一种特定形式。（7） 专业性数据可视化与领域专业知识紧密相关，其形式需求多种多样并随行业、用户和环境等条件而动态变化。专业化特征是人们从可视化模型中提取专业知识的必要环节，是数据可视化应用的最后流程。2、可视化流程可视化的目的是帮助用户识别所分析数据中隐含的模式或趋势，而不是提

21、供冗长的描述。优秀的可视化项目应该有效地提取和归纳信息，并把信息有机组织起来，让用户的注意力集中于关键点。好的可视化项目是一个反复迭代的过程。2.1可视化的基本步骤（1）明确问题开始创建一个可视化项目时，第一步是要明确可视化项目要解决的问题。（2）从基本的可视化着手确定可视化的目标后，下一步是基于要展现的数据，选择建立一个基本的图形，不同类型的数据各自有其最适合的图表类型。（3）确定最能提供信息的指标确定可视化目标和可视化形式后，下一步需要确定最能提供信息的指标，以便于信息准确表达。（4）选择正确的图表类型在确定最能提供信息的指标后，选取正确的图表类型有助于用户理解数据中隐含的信息和规律。（5

22、将注意力引向关键信息最后，采用确定的图表展现数据可视化结果时，需要将用户的注意力引向关 键的信息。可视化项目应该总结关键信息并使之更清晰直白，而不应该令人困惑。2.2可视化的一般流程l 科学可视化的可视化流水线l 数据可视化循环模型1. 数据获取 主动式是以明确的数据需求为目的，如卫星影像、测绘工程等；被动式是以数据平台为基础，由数据平台的活动者提供数据来源，如电子商务、网络论坛等。2. 数据处理 数据处理是指对原始的数据进行质量分析、预处理和计算等步骤。数据处理的目标是保证数据的准确性、可用性。3. 可视化模式可视化模式是数据的一种特殊展现形式，常见的可视化模式有标签云、序列分析、网络结构

23、电子地图等。可视化模式的选取决定了可视化方案的雏形。4. 可视化应用 可视化应用主要根据用户的主观需求展开，最主要的应用方式是用来观察和展示，通过观察和人脑分析进行推理和认知，辅助人们发现新知识或者得到新结论。3、可视化设计组件3.1、可视化设计模型数据可视化的设计可简化为四个层次，各层之间是嵌套的关系，外层的输出是内层的输入，同时外层的错误最终会级联传导到各内层。l 第一层（最外层） 概括描述用户遇到的实际问题，称为问题描述层；l 第二层（抽象层） 负责将特定领域的任务和数据映射到抽象且通用的任务及数据类型；l 第三层（编码层）设计与数据类型相关的视觉编码及交互方法；l 第四层(最内层)

24、则需要实现正确完成数据可视化展示和交互的算法。3.2、可视化设计原则l 三个原则 过于复杂繁琐的可视化可能会给用户带来理解上的麻烦，甚至会引起用户对原始数据信息的误解 缺少友好交互控制的可视化也会阻碍用户以更直观的方式获得可视化所包含的信息 美学因素也在一定程度上影响用户对可视化设计的喜好或厌恶情绪，进而影响可视化传播和表达信息的能力。l 三个步骤 确定数据到图形元素(即标记)和视觉通道的映射，明确需要呈现的是什么样的数据 视图的选择与用户交互控制的设计，建立恰当的数据指标，从总体到局部逐步展示数据结果数据的有效筛选并注重数据的比较，即确定在有限的可视化视图空间中选择适当容量的信息进行编码，以

25、避免在数据量过大情况下产生视觉上的混乱。3.3、可视化的数据1. 认知数据 人们对数据的认知，一般都经过从数据模型到概念模型的过程，最后得到数据在实际中的具体语义。在处理数据时，最初接触的是数据模型，数据模型是对数据的底层描述及相关操作。概念模型是对数据的高层次描述，对应于人们对数据的具体认知。对数据进行进一步处理之前，需要定义数据的概念和它们之间的联系，同时定义数据的语义和它们所代表的含义。2. 数据分类 在科学计算中，通常根据测量标度，将数据分为四类：类别型数据、有序型数据、区间型数据和比值型数据。类别型数据用于区分物体，有序型数据用来表示对象间的顺序关系，区间型数据用于得到对象间的定量比

26、较，比值型数据用于比较数值间的比例关系，可以精确地定义比例。 根据数据分析要求，不同的应用可以采用不同的数据分类方法。例如，根据数据模型，可以将数据分为浮点数、整数、字符等；根据概念模型，可以定义数据所对应的实际意义或者对象，例如汽车、摩托车、自行车等。3.4、可视化的原材料l 视觉暗示 可视化最基本的形式就是简单地把数据映射成彩色图形。可视化展示必须保证可以在图形和它所代表的数字间来回切换。l 坐标系 编码数据的时候，总得把物体放到一定的位置。有一个结构化的空间，还要指定图形和颜色画在哪里的规则，这就是坐标系，它赋予 X、Y 坐标或经纬度以意义。l 标尺坐标系指定了可视化的维度，而标尺则指定

27、了在每一个维度里数据映射到哪里。标尺有多种，但基本上不会偏离以下三种标尺，分别为数字标尺、分类标尺和时间标尺。l 背景信息 背景信息（帮助更好地理解数据相关的 5W 信息，即何人、何事、何时、何地、为何）可以使数据更清晰，并且能正确引导数据使用者。3.5、可视化的基本图表l 原始数据绘图原始数据绘图用于可视化原始数据的属性值，直观呈现数据特征，其代表性方法包括：数据轨迹、柱状图、折线图、直方图、饼图、等值线图、散点图、气泡图、维恩图、热力图和雷达图等。l 简单统计值标绘 盒须图是John Tukey发明的通过标绘简单的统计值来呈现一维和二维数据分布的一种方法。它的基本形式是用一个长方形盒子表示

28、数据的大致范围，并在盒子中用横线标明均值的位置。同时，在盒子上部和下部分别用两根横线标注最大值和最小值。盒须图在实验数据的统计分析中很有用。针对二维数据，标准的一维盒须图可以根据需要扩充为二维盒须图。l 多视图协调关联多视图协调关联将不同类型的绘图组合起来，每个绘图单元可以展现数据某方面的属性，并且通常允许用户进行交互分析，提升用户对数据的模式识别能力。在多视图协调关联应用中，“选择”操作作为一种探索方法，可以是对某个对象和属性进“取消选择”的过程，也可以是选择属性的子集或对象的子集，以查看每个部分之间的关系的过程。4、可视化框架设计整体思路4.1、可视化框架的构成数据可视化的本质是：将数据映

29、射到图形，同时将一些附加信息传达给用户。4.2、数据图形映射的路程数可视化从原始数据映射到所需要的图形需要经过多个步骤，包括统计分析、预处理数据、过滤、映射和绘制等。PPT 讲解、演示；时间分配：70分钟。三.总结(5分钟)本章说明了数据可视化的基本特征，在此基础上，重点阐述了可视化流程与可视化设计组件。最后，探讨了可视化设计总体框架和流程。作业布置教学反思教学单元教案主题任务4数据可视化的常用方法序号4课时 2教学手段 多媒体、板书、实训室教学方法讲授法、演示法、案例法教学课型理论 实训 一体化 （ 其它 ）教学目标能力目标：掌握可视化分析常用的方法及可视化设计优化。知识目标：理解统计图表可

30、视化方法和图可视化方法；掌握可视化分析常用的方法及可视化设计优化。素质目标：接受新知识、自主学习的能力。教学重点理解统计图表可视化方法和图可视化方法；掌握可视化分析常用的方法及可视化设计优化。教学难点掌握可视化分析常用的方法及可视化设计优化。教学过程设计备注一.教学内容1、课程导入可视化有许多方法，这些方法在项目中运用得也很广泛。接下来让我们一起来看看都有哪些方法。教师活动：PPT 讲解、演示；时间分配：5分钟。2、统计图表可视化方法 （1）柱状图柱状图（bar chart）：是一种以长方形的长度为变量的表达图形的统计报告图，由一系列高度不等的纵向条纹表示数据分布的情况，用来比较两个或两个以上

31、的价值（不同视觉或者不同条件），只有一个变量，通常用于较小的数据集分析。适用场景：柱状图适用于二维数据集，能够清晰地比较两个维度的数据。由于视觉对高度之间的差异感知较敏感，柱状图利用柱子之间的高度来反映数据之间的差异。优势：柱状图利用柱子的高度，反映数据的差异，肉眼对高度差异很敏感。劣势：柱状图的局限在于只适用中小规模的数据集。（2）二维柱状图传统柱状图：一般用于表示客观事物的绝对数量的比较或者变化规律，用于显示一段时间内数据的变化，或者显示不同项目之间的对比，分为：二维簇状柱形图、二维堆积柱形图、二维百分比堆积柱形图。如下图所示：（3）三维柱状图三维柱形图：这种图表类型沿着两个数轴比较数据点

32、数据点指在图表中绘制的单个值，这些值由条形、柱形、折线、饼图和其他被称为数据标记的图形表示。相同颜色的数据标记组成一个数据系列。三维簇状柱形图、三维堆积柱形图、三维百分比堆积柱形图分别如下图所示： （4）条状图排列在工作表的列或行中的数据可以绘制到条形图中。条形图显示各个项目之间的比较情况。描绘条形图要素：组数、组宽度、组限。适用场景：轴标签过长、显示的数值是持续型的。（5）折线图适用场景：适用于二维大数据集，尤其是那些趋势比单个数据点更重要的场合。同时，它还适用于多个二维数据集之间的比较，当需要体现许多数据点的顺序时，能够按时间（年、月和日）或类别显示趋势，如下图：（6）饼图适用场景：一般

33、适用于表述一维数据（行和列）的可视，尤其是能够直观反映数据序列中各项的大小、总和和相互之间的比例大小，图表中的每个数据系列具有唯一的颜色或图案并且在图表的图例中表示。使用数据：反映某个部分占整体的比例，用于对比几个数据在其形成的总和中所占百分比值时最有用。如果想表示多个系列的数据，则可以用环形图。优势：饼图能够直观地反映某个部分占整体的比例。劣势：饼图的局限性在于要求仅有一个要绘制的数据系列，同时绘制的数值没有负值，同时几乎没有零值。 （7）散点图适用场景：适用于三维数据集，但其中只有两维需要比较。重要作用：可以用来绘制函数曲线，从简单的三角函数、指数函数、对数函数到更复杂的混合型函数，都可以

34、利用它快速准确地绘制出曲线，所以常用于教学和科学计算中。 （8）气泡图气泡图：是散点图的一种变形，通过每个点的面积大小，来反映第三维所表达的信息。区别：气泡图与散点图相似，不同的是，气泡图允许在图表中额外加入一个表示大小的变量。 （9）雷达图雷达图(Radar Chart)：又可称为戴布拉图、蜘蛛网图(Spider Chart)，是财务分析报表的一种。适用场景：适用于多维数据（四维以上），且每个维度必须可以排序。局限：数据点最多6个。3、图可视化方法图是表达数据最灵活、最强大的方式之一，能够将数据进行优雅变换，“无图无真相”“一图胜千言”正是对图可视化方法最好的归纳。图可视化能够简介地表述复杂

35、的关系、吸引读者的注意力、有助于读者理解和回忆等特点。近年来，图论方法在数据可视化，尤其是社会网络类数据的可视化中得到广泛应用。（1）图的类型图的类型 关系图可视化最重要的作用之一，便是能够表达关系。这些关系组成了已经定义的世界或系统。图能够使得我们以一种非常容易理解的方式来描述和表达世界。图的类型 分层对于分层数据中获取信息，图也是一个很好的选择。分层图常被称树。树有一个根父节点，其链接分支到第二个节点，第二级节点还可能再次分支，以此类推，直到到达没有子节点的叶子节点，根节点的每个后代节点都只有一个父节点。分层中常见的图形是树。树是一种非线性的数据结构，用树能很好地描述有分支和层次特性的数据

36、集合。树形结构在现实生活中广泛存在，如社会组织机构的组织关系图就可以用树形结构来表示。树在计算机领域中也有广泛应用，如在编译系统中，用树表示源程序的语法结构（2）图论可视化 图论（Graph Theory）是数学的一个分支。它以图为研究对象。图论中的图是由若干给定的点及连接两点的线所构成的图形，这种图形通常用来描述某些事物之间的某种特定关系，用点代表事物，用连接两点的线表示相应两个事物间具有这种关系。（3）思维导图思维导图（Mind Map），即借助图表来分析问题、理清思路。 常见的思维图有八种：Circle Map圆圈图、Tree Map树状图、Bubble Map气泡图、Double Bu

37、bble Map 双重气泡图、Flow Map流程图、Multi-flow Map 多重流程图、Brace Map 括号图，和Bridge Map桥型图。思维导图 圆圈图定义一件事，主要用于把一个主题展开来，联想或描述细节。它有两个圆圈，里面的小圈是主题，而外面的大圈里放的是和这个主题有关的细节或特征。其基本形状如下图所示：思维导图 圆圈图气泡图描述事物性质和特征。国外很多幼儿园和小学都在用气泡图帮助孩子学习知识、描述事物。最基本的气泡图如下图所示：圆圈图强调的是一个概念的具体展开，而气泡图更加侧重于对一个概念的特征描述。例如，用气泡图分析一只鹰有哪些特征。在实际分析问题的时候，不必太纠结到底

38、该用哪种图，怎么直观怎么来。4、可视化分析方法常用算法（1）沙盒分析法沙盒分析的关键能力主要有：认知、自动处理模型范本、想法的解读。运用网络服务界面和协议，整合了高级计算机语言功能。沙盒的组成如下图所示：优点：识别大量的人为认知，减少搜索时间，识别模式较强，对人类社会行为的可视分析十分有效。（2）认知作业分析法认知作业分析法是研究个人或者团队在特殊环境下的心理过程、行为和判断的方法，融合了计算机技术，有效地进行人类抉择。认知作业分析：人们对完成特定任务的思维逻辑过程信息，这些信息包括如何去处理所获取的信息和下一步该做什么。认知作业分析着重研究认知过程，而不是完成任务的机理。优点：不受其他事物的

39、影响，反应速度快，可应用于决策判断，应急疏散。（3）顺序模式法顺序模式：用来发现离散事件同时发生的概率。随着计算机的发展，人们能处理更庞大的数据而且获得大量的顺序模式，每个顺序模式包含一个最小概率，其意义为这个模式发生的百分比。优点：快速地显示数据的结构与分布、显示单个事件的发生频率、准确性高，可应用于文本挖掘。（4）协同多视图法多视图可用多种形式的视图，如促进信息加工中的抽象视图、分层和时间序列的视图。在可视分析中实现协同并不容易，因为没有正式的协同规则，有的规则也不是万能的，需要具有一定的针对性才能体现协同多视图法的效果。协同多视图法的基本原理如下图所示：5、可视化分析研究的特点可视分析学

40、的根本原理是将可视化作为半自动分析过程的媒介，人类和机器合作，利用两者各自特有的能力，获得最有效的结果。可视分析学从6个基本方面放大了人类感知能力：1. 增加感知源，如通过可视化源来扩展人类工作记忆。2. 减少搜索，例如在小空间中表示大量数据。3. 增强模式认知，如在空间中展示具备时间序列特征的信息。4. 支持关系可感知的简易推理。5. 对大量潜在事件的感知监测。6. 提供可操作的介质，与静态图不同，能允许探索参数值的表示空间。 可视化分析学将形成分析过程和模型的建构式评价、修正和迅速提高，最终改善知识和决策，将科技应用到计算和可视化，分析报告和技术转移上，促进分析推理、数据交互、数据转换和数

41、据表示的发展。6、可视化分析的运用案例（1）模型和决策支持回归模型在许多应用领域中扮演着重要角色，典型的回归模型构建过程中输入变量的特征子集选取受到限制，其他局限还存在于局部结构、转换以及变量间交互的识别。基于模型驱动黑色系期货日K线数据验证如下图：（2）图像和视频数据处理图像和视频数据是继文本数据之后的又一大数据类型，可视分析学在这两种数据分析上同样能发挥优势。 双目生理性眼颤的互抑制可视化如下图所示：（3）社会媒体数据分析可视分析学还被用至社会媒体数据分析、社会网络分析、文档重建系统和人类地形分析等领域 社会媒体数据可视化分析如下图所示：主成分分析（Principal Component

42、Analysis,PCA)法：一种利用线性映射来进行数据降维的方法，同时去除数据的相关性，以最大限度保持原始数据的方差信息，从而进行有效的特征提取。主成分分析是通过一个或几个综合性较好的指标来概括多个变量具有相关性的指标，即主成分，这些指标希望能互相独立地代表某一方面的性质，指标要可靠、真实，能充分反映个体间的变异。优点：将多变量概括为少变量并且损失少量信息，对数据起到了降维的作用，为后续的计算减少工作量；缺点：有时候新变量的符号有正有负时物理意义难以弄清楚。时间复杂度：O（n2m2）,n和m分别为行数、列数，即样本和变量数。因子分析：从假定的因子模型出发，把复杂数据视为由公共因子、误差和特殊

43、因子构成。使用了主成分分析的方法但其关于特征值的计算是以相关矩阵作为出发，把每个变量置于同一度量，使特征值相对均匀，并将主成分转换成因子，还把特征向量正规化使之长度为1。层次分析法：能对大量的非定量的模糊数据进行处理，如良好、优秀、一般等，层次分析法用定量的方法去描述这些数据，将定性和定量相结合，分层次分析，用数学的方法确定每一层中所有元素的重要性的权值，最后分析排序结果，解决问题。层次分析的步骤为：1. 构造判断矩阵2. 计算层次单排序3. 计算各层元素的组合权重4. 一致性检验7、可视化方法的选择在可视化图表工具的表现形式方面，图表类型表现的更加多样化，丰富化。除了传统的饼图、柱状图、折线

44、图等常见图形，还有气泡图、面积图、省份地图、词云、瀑布图、漏斗图等酷炫图表，甚至还有GIS地图。这些种类繁多的图形能满足不同的展示和分析需求。下图总结了根据需求分析可采用的统计可视化方法。三.总结(5分钟)1、数据可视化的最重要目的和最高追求是将简单、易于理解、快速易懂的可视化展现形式，表示复杂的数据关系。2、图可视化能够简洁地表述复杂的关系、吸引读者的注意力、有助于读者理解和回忆等特点，因此胜过千言万语。3、可视分析方法有沙盒分析方法、认知作业分析法、顺序模式法、协同多视图法。4、可视化分析学从6个基本方面放大了人类的感知能力，它的产出物是可以供分析师使用的分析系统。作业布置教学反思教学单元教案主题任务5可视化交互序号5课时 2教学手段 多媒体、板书、实训室教学方法讲授法、演示法、案例法教学课型