数据可视化高级技术(Echarts)

目录

(一)数据可视化概念及Echarts基础知识

数据可视化的好处:

数据可视化的目标

数据可视化的基本流程

(二)数据图表

类别比较图表:

数据关系图表:

数据分布图表:

时间序列图表:

局部整体图表:

地理空间图表:

(三)整合开发及部署

认识开发者工具

使用步骤(需要记住的五个基本步骤)


(一)数据可视化概念及Echarts基础知识

数据可视化的好处:

1.清晰有效地传达与沟通信息

2.更容易洞察隐藏在数据中的信息

3.信息记录

数据可视化的目标

  • 信 Accuracy 数据客观正确,避免扭曲数据
  • 达 Efficiency Effectiveness 有效地表达数据,并提高效率
  • 雅 Aesthetic 形式与内容和谐统一,有艺术个性

数据可视化的基本流程

数据可视化流程类似一个特殊的流水线,主要步骤之间相互作用、相互影响。数据可视化流程的基本步骤为确定分析目标、数据收集、数据清洗和规范、数据分析、可视化展示与分析,具体介绍如下。

  1. 确定分析目

根据现阶段的热点时事或社会较关注的现象,确定此次可视化的目标,并根据这个目标进行一些准备工作,如设计贴合目标的问卷。其中,准备工作中主要包括的内容有遇到了什么问题、要展示什么信息、最后想得出什么结论、验证什么假说等。数据承载的信息多种多样,不同的展示方式会使侧重点有天壤之别。只有想清楚以上问题,才能确定需要过滤什么数据、用什么算法处理数据、用什么视觉通道编码等。
2. 数据收

依照第一步制订的目标收集数据。目前,数据收集的方式有很多种,如从公司内部获取历史数据、从数据网站中下载所需的数据、使用网络爬虫自动爬取数据、通过发放问卷与电话访谈形式收集数据等。

  1. 数据清洗和规

数据清洗和规范是数据可视化流程中必不可少的步骤。首先需要过滤"脏数据"、敏感数据,并对空白的数据进行适当处理,其次剔除与目标无关的冗余数据,最后将数据结构调整为系统能接受的方式。
4. 数据分

数据分析是数据可视化流程的核心,将数据进行全面且科学的分析,联系多个维度,根据类型确定不同的分析思路。数据分析中最简单的方法是一些基本的统计方法,如求和、中值、方差、期望等,而数据分析中复杂的方法包括了数据挖掘中的各种算法。
5. 可视化展示与分

可视化展示与分析是数据可视化流程中的一个重点步骤。其中,用户需要选择合适的图表对数据进行可视化展示,才能对最后呈现的可视化结果进行分析,直观、清晰地发现数据中的差异,并从中提取出对应的信息,最终根据获取信息提出科学的建议,从而帮助公司运营。

(二)数据图表

选择合适的图标进行你的表达

类别比较图表:

数据关系图表:

数据分布图表:

时间序列图表:

局部整体图表:

地理空间图表:

(三)整合开发及部署

认识开发者工具

开发者工具是一种辅助编程开发人员进行开发工作的应用软件,在开发工作内部即可辅助编写代码,并管理代码的效率。

开发过程中少不了开发者工具,为了更好地进行编程学习,需要完成开源免费的开发者工具++Visual Studio++++和Echart插件++ 的下载和使用。

Echarts下载

1.进入ECharts中文网:https://echarts.apache.org/zh/index.html

使用步骤(需要记住的五个基本步骤)

1.导入ECharts插件

<script type="text/javascript">

2.为ECharts准备一个DOM容器

<div id="main" style="width: 600px;height: 400px;"></div>

3.基于准备好的DOM,初始化echarts实例

var myChart=echarts.init(document.getElementById('main'));

  1. 指定图表的配置项和数据(对ECharts进行一些配置)

var option={ }

5.将配置和参数传递给ECharts,显示图表

myChart.setOption(option);

完成后,添加相关属性即可显示Echarts图表(++下面为一个例子展示 --> 南丁格尔玫瑰图++)

html 复制代码
<!DOCTYPE html>  
<html>  
<head>  
<meta charset="UTF-8">  
<title>Insert title here</title>  
<script src="JS/echarts.js"></script>  
</head>  
<body>  
<div id='main1' style="width:600px;height:400px"></div>  
<script>  
var chartDom = document.getElementById('main1');  
var myChart = echarts.init(chartDom);  
var option;  
  
option = {
		  legend: {
		    top: 'bottom'
		  },
		  toolbox: {
		    show: true,
		    feature: {
		      mark: { show: true },
		      dataView: { show: true, readOnly: false },
		      restore: { show: true },
		      saveAsImage: { show: true }
		    }
		  },
		  series: [
		    {
		      name: 'Nightingale Chart',
		      type: 'pie',
		      radius: [50,250],
		      center: ['50%', '50%'],
		      roseType: 'area',
		      itemStyle: {
		        borderRadius: 8
		      },
		      selectedMode:'single',
		      selectedOffset:100,
		      data: [
		        { value: 40, name: 'rose 1' },
		        { value: 38, name: 'rose 2' },
		        { value: 32, name: 'rose 3' },
		        { value: 30, name: 'rose 4' },
		        { value: 28, name: 'rose 5' },
		        { value: 26, name: 'rose 6' },
		        { value: 22, name: 'rose 7' },
		        { value: 18, name: 'rose 8' }
		      ]
		    }
		  ]
		};  
  
myChart.setOption(option);   
</script>  
</body>  
</html>
相关推荐
测试者家园7 小时前
ChatGPT助力数据可视化与数据分析效率的提升(一)
软件测试·人工智能·信息可视化·chatgpt·数据挖掘·数据分析·用chatgpt做软件测试
疯狂小羊啊7 小时前
数据分析篇001
数据挖掘·数据分析
小馒头学python7 小时前
数据分析的常见问题及解决方案
数据挖掘·数据分析
Want5959 小时前
Java圣诞树
开发语言·python·信息可视化
statistican_ABin13 小时前
R语言数据分析案例47-上海译文出版社旗舰店图书分析和可视化
数据挖掘·数据分析
Aloudata16 小时前
NoETL 自动化指标平台如何保障数据质量和口径一致性?
大数据·数据分析·数据质量·noetl
爱研究的小牛16 小时前
Pika Labs技术浅析(四):数据可视化
神经网络·计算机视觉·信息可视化·aigc
fanstuck16 小时前
数学建模软件工具详解(附安装下载教程
数学·数据挖掘·数据分析
SelectDB技术团队17 小时前
Apache Doris 创始人:何为“现代化”的数据仓库?
大数据·数据库·数据仓库·数据分析·doris
赵钰老师20 小时前
ArcGIS土地利用数据制备、分析及基于FLUS模型土地利用预测(数据采集、处理、分析、制图)
arcgis·数据分析