大数据可视化技术现状分析及技术实践研究（大数据可视化技术现状分析及技术实践）

前言随着大数据时代的到来，数据可视化成为热门话题，引起了人们的极大关注。从数据可视化的概述、定义、常用数据可视化工具和应用技术路线等方面介绍了数据可视化。

1.数据可视化研究概述数据可视化可以增强数据的呈现效果，方便用户以更直观的方式观察数据，进而发现数据中隐藏的信息。可视化有着广泛的应用，主要涉及网络数据可视化、交通数据可视化、文本数据可视化、数据挖掘可视化、生物医学可视化、社会可视化等领域。根据卡片可视化模型，将数据可视化过程分为数据预处理、绘制、显示和交互几个阶段。根据SHNEIDERMAN s分类，可视化数据可以分为一维数据、二维数据、三维数据、高维数据、时态数据、层次数据和网络数据。其中，高维数据、层次数据、网络数据和时态数据是当前可视化的研究热点。

目前，高维数据已经成为计算机领域的研究热点。所谓高维数据，是指每个样本数据包含p(p4)维空间特征。对人类数据的理解主要集中在低维的空间表示上，如果只分析高维数据的抽象数据值，很难获得有用的信息。与数据的高维模拟相比，低维空间的可视化技术更简单、更直观。而且高维空间所包含的元素比低维空间更复杂，容易引起人们分析混乱。将高维数据信息映射到二维或三维空间，方便了高维数据与数据之间的交互，有助于数据的聚类和分类。高维数据可视化的研究主要包括数据变化和数据呈现两个方面。

层次结构有等级或层次关系。分层数据可视化方法主要有节点链接图和树形图。Treemap是一系列嵌套的环和块，用于显示分层数据。

为了展示更多的节点内容，一些基于焦点+背景技术已经发展了。包括鱼眼技术、几何变形、语义缩放、远离焦点的节点聚类技术等。

网络表现为更自由、更复杂的关系网络。网络数据分析的核心是挖掘关系网络的重要结构属性，如节点相似性、关系传递性、网络中心性等。网络数据的可视化方法应该清晰地表达个体之间的关系以及个体之间的聚类关系。主要布局策略包括节点链接法和邻接矩阵法。

时间序列数据是指具有时间属性的数据集。时间序列数据的可视化方法包括：折线图、动画、累积图、时间轴和地平线图。

随着大数据时代的到来，数据可视化应运而生。可视化分析是大数据分析不可或缺的手段和工具。只有真正理解可视化概念的本质，才能更好地学习和应用其方法和原理，获得数据背后隐藏的价值。

2.数据可视化的定义。数据可视化是对数据可视化表示的科学技术研究。可视化技术是利用计算机图形学和图像处理技术将数据转换成图形或图像并显示在屏幕上，然后进行交互处理的理论、方法和技术。它涉及许多领域，如计算机视觉、图像处理、计算机辅助设计、计算机图形学等。成为研究数据表示、数据处理、决策分析等问题的综合性技术。

2.1数据可视化的基本概念

1)数据空间

由N维属性和M个元素组成的数据集构成的多维信息空间。

2)数据开发

使用一定的工具和算法对数据进行定量的推导和计算。

3)数据分析

通过切片、分块、旋转等动作对多维数据进行分析，可以多角度、多侧面观察数据。

4)数据可视化

大型数据集中的数据由图形和图像以及未知信息表示

2.2数据可视化标准

为了实现信息的有效传递，数据可视化应兼顾美观和功能，直观传达关键特征，便于挖掘数据背后隐藏的价值。

可视化技术应用标准应包括以下四个方面：

1)可视化

直观形象地展示数据。

2)相关性

突出数据之间的相关性。

3)艺术性

让数据的呈现更有艺术性，更符合审美规律。

4)互动

实现用户与数据的交互，方便用户控制数据。

3.常用的数据可视化工具1、excel:可以选择在excel中插入图表，选择想要的图表，然后设置标题、坐标轴等。操作相对较多，有饼状图、折线图、柱状图等常见图表。

2、 Tabluea:之前他为了学习，专门花钱买了个人版的tabulea，说是真的贵。一年999美元，所以只买了一年。他们的很多功能我也玩过。工具挺好的，功能挺强大的，可视化效果不错。

3、BDP个人版：直接上传表格数据，然后将数据拖拽到X轴(维度列)和Y轴(值列)。只需点击并选择您想要的视觉图表。除了常见的图表，还有资料图、漏斗、字云、旭日东升等酷图~ ~

4.数据可视化面临的挑战随着大数据时代的到来，数据可视化受到越来越多的关注，可视化技术也日趋成熟。然而，数据可视化仍然存在许多问题和巨大的挑战。

大数据可视化存在以下问题：

1)视觉噪声

在数据集中，大部分数据都是高度相关的，所以不能分开，作为独立的对象显示。

2)信息的丢失

减少可视化数据集的方法是可行的，但会导致信息的丢失。

3)大规模图像感知

数据可视化不仅受限于设备的长度比例和分辨率，还受限于真实世界的感受。

4)高速图像转换

虽然用户可以观察数据，他们可以不应对数据强度的变化。

5)高性能要求

对于静态可视化，性能要求不高，因为可视化速度低，性能要求不高，而动态可视化对性能要求更高。

数据可视化的挑战主要是指可视化分析过程中数据的呈现，包括可视化技术和信息可视化。目前，在数据简化可视化的研究中，高清显示、大屏幕显示、高可扩展性数据投影、维度降级等技术都在试图从不同角度解决这一问题。

可感知交互的可扩展性是大数据可视化面临的挑战之一。从大规模数据库中查询数据可能会导致高延迟和较低的交互率。

在大数据应用中，大规模数据和高维数据使得数据可视化非常困难。

在超大规模数据可视化分析中，我们可以构建更大、更清晰的可视化显示设备，但人的敏感性制约了大屏幕显示的有效性。

由于人和机器的限制，大数据的可视化在可预见的未来将是一个重要的挑战。

5.数据可视化技术的发展方向1)可视化技术与数据挖掘密切相关。数据可视化可以帮助人们洞察数据背后的潜在信息，提高数据挖掘的效率。因此，可视化与数据挖掘的紧密结合是可视化研究的一个重要发展方向。

2)可视化技术与人机交互密切相关。实现用户与数据的交互，方便用户控制数据，更好的实现人机交互是我们的目标。因此，可视化与人机交互的结合是可视化研究的一个重要发展方向。

3)可视化与大规模、高维、非结构化数据密切相关。目前，我们正处于大数据时代。大数据时代，大规模、高纬度、非结构化的数据层出不穷。将这样的数据以可视化的形式完美的展示出来并不容易。因此，可视化与大规模、高维、非结构化数据的结合是可视化研究的一个重要发展方向