数据可视化之美：经典案例与实践解析

随着 DT 时代的到来，传统的统计图表很难对复杂数据进行直观地展示。这几年数据可视化作为一个新研究领域也变得越来越火。成功的可视化，如果做得漂亮，虽表面简单却富含深意，可以让观测者一眼就能洞察事实并产生新的理解。可视化（visualization）和可视效果（visual）两个词是等价的，表示所有结构化的信息表现方式，包括图形、图表、示意图、地图、故事情节图以及不是很正式的结构化插图。

基本的可视化展现方式，如条形图、折线图、饼图、雷达图可以很容易通过各种软件（如 Excel）容易生成，这些方法是常见可视化问题的良好且强大的解决方案。然而，使用这些方法的最佳方式局限于一些特定的数据类型，而且其标准型和普遍性意味着它们基本无法达到新颖性。如果对地理空间数据、 会 络关系、多维数据进行可视化，直观地传递数据期望表达的信息是需要特定的图表类型来展示。

让我们一起来看几个经典的可视化，观测它们是如何充分利用其源数据结构的。

01

“美国大选”数据可视化

在美国大选期间，美国媒体做了不少与之相关的数据 道，让我们来回顾一下，他们是如何将美国大选的数据可视化的吧!

从 络图可以看出，不同家族的成员基本紧密联系在一起，并通过一些关键成员与其他家族成员联系。例如我们发现右下角的那个 群的成员先通过 user1 用户、再通过 user12 用户跟其他 团成员联系在一个大 络图中。

我们也可以用 Gephi 软件快速绘制 会 络图，并对其进行美化。

也可以利用 Remap 快速实现未来天气预 。

城市热力图也是近年来非常流行的一种地理信息可视化方式，通过颜色的深浅表示不同地区的实际数值大小（动图链接）。

比如 D3 可以非常容易地绘制交互桑基图。桑基图（Sankey diagram），即桑基能量分流图，也叫桑基能量平衡图。它是一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，通常应用于能源、材料成分、金融等数据的可视化分析。桑基图最明显的特征就是，始末端的分支宽度总和相等，即所有主支宽度的总和应与所有分出去的分支宽度的总和相等，保持能量的平衡（动图链接）。

ECharts（http://echarts.baidu.com/）

ECharts，缩写来自 Enterprise Charts，商业级数据图表，一个纯 JavaScript 的图表库，可以流畅的运行在 PC 和移动设备上，兼容当前绝大部分浏览器（IE6/7/8/9/10/11，chrome，firefox，Safari 等），底层依赖轻量级的 Canvas 类库 ZRender，提供直观，生动，可交互，可高度个性化定制的数据可视化图表。创新的拖拽重计算、数据视图、值域漫游等特性大大增强了用户体验，赋予了用户对数据进行挖掘、整合的能力。

动图链接

R（https://www.r-project.org/）

R 语言是一套开源的数据分析解决方案，几乎可以独立完成数据处理、数据可视化、数据建模及模型评估等工作，而且可以完美配合其他工具进行数据交互。 R 语言拥有顶尖的制图功能。不仅有 lattcie 包、ggplot2 包对复杂数据进行可视化，更有 rCharts 包、recharts 包、plotly 包实现数据交互可视化，甚至可以利用功能强大的 shiny 包实现 R 与 web 整合部署，构建 页应用，帮助不懂 CSS，HTML 的用户能利用 R 快速搭建自己的数据分析 APP 应用。

比如我们可以绘制动态交互的气泡图，通过下面的时间轴播放动态查看不同年份的气泡情况。

还可以结合自己掌握的数据分析和可视化技术，搭建数据可视化平台，从而实现智能BI的可视化功能。比如说，我们不需要具备开发能力，利用 R 工具的 shiny 包可以快速搭建数据可视化原型。下面这个例子（https://www.showmeshiny.com/global-terrorism/）就是一个通过 shiny 包结合可视化技术实现的一个可视化平台。