简述数据可视化的主要方法
基于图表的数据可视化：
图标可视化数据可视化是传统的标准2D/3D可视化技术，包括条形图、条形图、面积图、堆积条形图、折线图、饼图、直方图、分布图等。
分类数据可以用条形图或饼图来表示。 条形图宽度相同的条形的高度或长度，表示每个类别的数据量； 饼图是以原形和院内扇形角度表示数值大小的图形，主要表示整体或样品中各组成部分所占的比例。
顺序数据可以用累计频率分布图中的累计频率(cumulative frequencies )和累计频率)来表示。
分类和顺序数据也可以用饼图表示。 饼图与饼图类似。 饼图只能显示一个整体各部分所占的百分比。 饼图可以由多个环组成，每个环代表一个整体。 适用于结构比较。
分类数据可以用直方图表示。 直角坐标系中，横轴表示数据段，纵轴表示频率或频率，各组和与其对应的频率(频率)形成矩形，组合成柱状图。 实际上用面积表示各组的度数(频率)分布。 用直线连接各组上部的中点，隐藏原始直方图，就可以得到折线图。 折线下面包围的面积和直方图的面积相等，两者表示的度数(频度)分布一致。
未分组的原始数据可以用茎叶图表示。 将该组数据的高位数值作为茎，低位数字作为叶，叶中只剩下1比特的数据。 茎的叶图与横置的直方图相似。 茎图在给出数据分布情况的同时，可以给出每一个原始数值，保存着原始数据的信息。
箱型图也可以用于表示未分组的原始数据。 箱型图是以一系列数据的五个数量为特征集中描绘的。 五数的概括包括最大值、最小值、中位数、下四分位数、上四分位数。 主要表示数据中间部分的分布情况。 基于几何投影的数据可视化：
基于几何投影技术的可视化方法的目的是发现许多数据集有趣的投影从而将许多数据的分析转换为入队感兴趣的低维数据的分析。 基于集合投影的可视化技术包括散点矩阵技术、mmdxl曲线技术、格架图、测图、平行坐标可视化技术、放射性可视化技术等。
散点图使用笛卡尔坐标显示二维数据点。 通过用不同的颜色或不同的形状表示不同的数据点，在二维显示上可视化三维空间。 三维散点图使用笛卡尔坐标系的三个坐标轴，通过使用颜色编码，可以表示思维的数据点。
维数上升时散点图无效。 散点图矩阵可以作为补充。 散点图矩阵是二维散点图的n*n网络，提供每个维和所有其他维的可视化。
3 .基于图标的数据可视化：
基于图标的可视化技术将每个多维数据项映射到一个图标。 此图标是一个小图，其各个部分用于表示不同维的数据属性，常用图标有针状图标、星形图标等。 基于图标的可视化技术包括脸书、二维码图、树枝图等。
chern off Facebook是统计学家唠叨的音响于1973年引入的，用人物的脸表示最多18个变量(维度)的多维数据。 使用脸部元素(眼、耳、鼻、口等)的形状、大小、位置、聪明的星月来表示维度的值。 例如，眼睛的大小。 两眼的距离等。 Chernoff脸书利用人类对人脸特征的识别敏感性展示多维数据，有助于数据的规律性和不规则性可视化。