Johdatus tietojen visualisoinnin tyyppeihin
Nykypäivän isodatan areenalla, jossa on yli 2, 5 kvintillin tavua (1 kvintilia tavua = 10 18 tavua!) Päivittäin luotavaa tietoa (socialmediatoday.com), tietojen säilyttäminen on kuoleva tarve. Sanomattakin on selvää, että nämä tiedot ovat tiheitä eivätkä siten ole niin luettavissa käyttäjälle ja ovat jatkuvasti keskittymättömiä. Paradigman muuttamiseksi tietojen laajuuden ymmärtämiseksi helposti ja hyödyllisten etujen hyödyntämiseksi liiketoiminnassa tiedot on esitettävä intuitiivisemmalla tavalla, ja sen vuoksi niiden visualisoimiseksi tarvitaan asianmukaiset kaaviot. On olemassa välineitä ja menetelmiä, jotka on rakennettu datan tehokkaaseen kuvaamiseen, mutta tehokkuus riippuu lähinnä tietotyypistä ja vaatimuksesta, joka on tarpeen erottaa tiedoista.
Mikä on datan visualisointi?
Datan visualisointi on menetelmä, jolla raa'assa muodossa olevat tiedot esitetään tuomaan esiin sen merkitys. Suuret tiedot ovat tulleet välttämättömäksi rakentaa tarkoituksenmukainen tapa esitellä tietoja, jotta datan määrästä ei tule ylivoimaista. Tietoja tiedon kuvaamisesta voidaan käyttää erilaisiin tarkoituksiin, esimerkiksi suuntausten / yhtenevyysten / mallien löytämiseen datassa, rakentaa malleja koneoppimiseen tai sitä voidaan käyttää yksinkertaiseen toimintaan, kuten aggregointiin.
Erityyppiset tietojen visualisointi
Datan visualisointi luokitellaan laajasti kuuteen erityyppiin. Vaikka datan visualisoinnin alue kasvaa jatkuvasti, ei ole yllättävää, jos luokkien lukumäärä kasvaa.
| Ajallinen: Tämän tyyppisten visualisointien tietojen on täytettävä molemmat ehdot: esitettävien tietojen tulisi olla lineaarisia ja niiden tulisi olla yksiulotteisia. Tämäntyyppiset visualisoinnit esitetään linjojen kautta, jotka saattavat olla päällekkäisiä ja joilla on myös yhteinen aloitus- ja lopetustietopiste. | ||
| Hajontakaaviot | Pisteitä edustaa datapistettä. Yleisin nykymaailmassa koneoppimisessa etsivän tietoanalyysin aikana. |  |
| Ympyrädiagrammi | Tämäntyyppinen visualisointi sisältää pyöreän grafiikan, jossa kaaren pituus merkitsee suuruutta. |  |
| Polaarinen aluekaavio | Kuten ympyräkaavio, myös polaarinen aluekaavio on ympyrädiagrammi, sektorikulmat lukuun ottamatta, ovat pituudeltaan yhtä suuret ja etäisyys keskipisteestä merkitsee suuruutta. |  |
| Rivikaaviot | Kuten sirontakuvaaja, data esitetään pisteillä, paitsi yhdistämällä viivoilla jatkuvuuden ylläpitämiseksi. |  |
| aikatauluja | Tällä tavalla näytämme luettelon datapisteistä aikajärjestyksessä. |  |
| Aikasarjat | Aikasarjoissa edustamme 2-D-kuvaajan datan suuruutta datan aikaleiman aikajärjestyksessä. |  |
| Hierarkkinen: Tämäntyyppiset visualisoinnit kuvaavat suuremman ryhmän tilattuja ryhmiä. Yksinkertaisella kielellä näiden visualisointien taustalla oleva pää intuitio on, että klusterit voidaan näyttää, jos klusterien virtaus alkaa yhdestä pisteestä. | ||
| Puukaavio | Puukaaviossa hierarkkinen virtaus esitetään puun muodossa, kuten nimestä voi päätellä. Harvat terminologiat tälle esitykselle ovat:
- Juurisolmu: Lähtökohta. - Lasten solmu: Yllä on vanhempi - Lehden solmu: Ei enää lapsisolmua. |  |
| Soittokaaviot / Sunburst-kaavio | Puun esitys puukaaviossa muunnetaan säteittäiseksi. Tämä tyyppi auttaa esittämään puun tiiviin koon. Sisisin ympyrä on juurisolmu. Ja ala-solmun alue tarkoittaa prosenttiosuutta tiedoista. |  |
| Treemap | Puu on esitetty tiiviisti pakattuina suorakulmioina. Alue merkitsee sisältämää määrää. |  |
| Ympyräpakkaus | Samoin kuin puukartassa, se käyttää pyöreää pakkausta suorakaiteen sijasta. |  |
| Verkko: Tämän tyypin visualisointi yhdistää tietoaineistot tietojoukkoihin. Nämä visualisoinnit kuvaavat kuinka nämä tietojoukot liittyvät toisiinsa verkon sisällä. | ||
| Matriisikaaviot | Tämän tyyppistä visualisointia käytetään laajasti yhteyden löytämiseen eri muuttujien välillä. Esimerkiksi korrelaatiokaavio |  |
| Tulvakaaviot | Tämä on eräänlainen vuokaavio, jossa verkon virtauksen muutokset esitetään käyttäjän toiveiden mukaisesti. |
|
| Sana pilvi | Tätä käytetään tyypillisesti tekstitiedon esittämiseen. Sanat on pakattu tiiviisti, ja tekstin koko tarkoittaa sanan taajuutta. |
|
| Solmu-linkkikaaviot | Tässä solmut esitetään pisteinä ja solmujen välinen yhteys esitetään. |  |
| Moniulotteinen: Toisin kuin ajallinen tyyppi visualisointi, nämä tyypit voivat olla useita ulottuvuuksia. Tässä voimme käyttää kahta tai useampaa ominaisuutta kolmiulotteisen visualisoinnin luomiseen samanaikaisesti. Niiden avulla käyttäjä voi esitellä tärkeimmät otot rikkomalla paljon ei-hyödyllisiä tietoja. | ||
| Hajontakaaviot | Moniulotteisessa tiedossa valitsemme kaikki 2 ominaisuutta ja piirrämme ne sitten 2-D-sirontakaavioon. Näin tekemällä meillä olisi n C 2 = n (n-1) / 2 kuvaajaa. |  |
| Pinotetut pylväskaaviot | Esityssegmentti palkit päällekkäin. Se voi olla joko 100% pinottu pylväskaavio, jossa erottelu on esitetty prosenttimääränä, tai yksinkertainen pinottu pylväskaavio, joka osoittaa todellisen suuruuden |  |
| Rinnakkaiskoordinaattikaavio | Tässä esityksessä piirretään tausta ja piirretään n yhdensuuntaista viivaa (n-ulotteista dataa varten). |  |
| Geospatial: Nämä visualisoinnit liittyvät todellisen elämän fyysiseen sijaintiin ylittämällä se karttojen kanssa (Se voi olla geospatiaalinen tai paikallinen kartta). Näiden visualisointien taustalla on intuitiivinen näkemys suorituskyvystä. | ||
| Vuokaavio | Tietojen tai esineiden siirto paikasta toiseen esitetään siinä, missä nuolen koko tarkoittaa määrää. |  |
| Choropleth-kartta | Geospatiaalinen kartta on värjätty tietyn tietomuuttujan perusteella. |  |
| kartake | Tämän tyyppinen esitys käyttää temaattista muuttujaa kartoittamiseen. Nämä kartat vääristävät todellisuutta esittämään tietoa. Tämä tarkoittaa, että tietyllä muuttujalla kartat ovat liioiteltuja. Esimerkiksi vasemmalla oleva kuva on sijaintikartta, joka on vääristetty mehiläispesän rakenteeseen. |  |
| Lämpökartta | Ne ovat hyvin samanlaisia kuin Choropleth geospatiaalisessa genressä, mutta niitä voidaan käyttää myös muilla alueilla kuin geospatiaalinen. |  |
| Sekalaisia: näitä visualisointeja ei voida yleistää erityisen suuressa ryhmässä. Joten sen sijaan, että muodostaisimme pienempiä ryhmiä yksittäiselle tyypille, ryhmittelemme sen sekalaisiksi. Muutamia esimerkkejä on alla: | ||
| Open-High-Low-Close-kaavio | Tämän tyyppisiä kuvaajia käytetään tyypillisesti osakekurssien esittämiseen. Kasvavaa trendiä kutsutaan nousevaksi ja laskua laskevaksi. |  |
| Kagi-Chart | Tyypillisesti omaisuuden kysyntä ja tarjonta esitetään tällä kaaviolla. |  |
johtopäätös
Edellä esitetyistä visualisointityypeistä näemme, että laajasti on 6 ryhmää. Yllä oleva luettelo ei ole tyhjentävä luettelo, mutta vain harvat, joita käytetään laajasti. Tulevina aikoina, kun uusia tyyppejä lisätään luetteloon, ryhmät voivat kasvaa. Se on tietyntyyppisille visualisoinneille. Jatkamme sitä, mitä parametreja on tarkasteltava visualisointityypin vahvistamisen yhteydessä.
Suositellut artikkelit
Tämä on opas tietojen visualisoinnin tyyppiin. Tässä keskustellaan johdannosta ja datan visualisoinnin erityypeistä. Voit myös käydä läpi muiden ehdotettujen artikkeleidemme saadaksesi lisätietoja -
- Tietoanalyysitekniikoiden tyypit
- Talend-tietojen integrointi
- Tietoanalyysityökalut
- Data Science Tools
- Talend-työkalut
- Mikä on tietojen integrointi?
- Scatter-tontit Matlabissa
- Kuinka pylväskaaviota käytetään Matlabissa (esimerkit)