每个数据对象都有两个或多个独立的或相关属性的数据。
一维数据
一维数据可以用饼图、柱状图表示。
二维数据
请单击此处输入图像说明
三维数据
高维数据
高维数据具有多个独立属性,而多维度数据具有多个相关属性。 如何在视觉空间(三维空间/二维平面)中表现?
想法1 :在2维/3维图表中增加视觉频道,表现更多的属性信息。
维度超过三维时,可以添加颜色、大小、形状、填充等视觉代码进行表示。 但是,对于更高维的多变量数据可视化,该方法还存在局限性。
思路2 :“多视图协同关联”:不同的视图表示数据的一部分属性。
想法三:利用散点矩阵
对于n维数据,使用N2个二维散点图分别表示n个属性之间的两个关系
随着数据维度的增加,a散布图的数量增加的话可读性会降低
例: 329种汽车的7种技术参数
想法利用表lens
和表一样,以图形形式显示表内的数值,节约空间,便于观察、发现排序和选择操作。 更容易找到分布规律和相关关系的焦点和上下文。 重新组织视图,以突出显示感兴趣的区域。 移动属性列
想法5 :利用平行坐标系
的平行坐标轴表示不同维度的每个数据点对应于通过所有坐标轴的折线,在二维空间中完整地表示高维数据,不仅可以揭示数据在每个属性中的分布,而且可以描述相邻属性之间的关系
例如: a=(1,2,-2,-1,-3),b=) 2,3,-1,-2),c=(-4,- 5,5,2,)
例: 329种汽车的7种技术参数
在二维空间中完全显示高维数据
不仅可以明确各属性中的数据分布,还可以记述相邻属性之间的关系
表现非邻接属性间关系的能力较弱,不容易同时表现多个维度关系
加强和改进这一做法:
画笔操作:交替选择感兴趣的数据,高亮显示后改变坐标轴的排列顺序,根据坐标轴之间的相关性进行聚类,排序后综合使用其他可视化方法