本篇文章，是【数据库、数据业务价值、大数据设计/架构/技术/工程】系列的第八篇。喜欢请关注作者，并点赞收藏。
开篇先分享一句我非常喜欢的话
图片最伟大的价值在于它迫使我们注意到从未预见到的信息。
01 定义
数据：
参考之前【数据业务价值】中的各项定义，我的总结是：数据是信息的载体，是人类对信息的符号化，数据的形式多种多样，包括数字、文字、图像、声音等。数据可以快速复制和传播，并能够还原信息。
可视化：
可视化是一种媒介。马歇尔·麦克卢汉（M. McLuhan）在《理解媒介 论人的延伸》中把媒介分成冷媒介和热媒介。冷媒介是模糊的，热媒介是清晰的。结合这两种说法，可视化可以是冷媒介，也可以是热媒介。我理解一个简单的数据快照，可以看成是冷媒介。一个通过巧妙形式而凸显数据要传达的主题的图片，可以看成是热媒介，比如甘特图、玫瑰图、桑吉图、热力图等。
引申阅读：关于冷媒介和热媒介的适用场景和过热媒介的转换，感兴趣的读者可以阅读马歇尔·麦克卢汉（M. McLuhan）的《理解媒介 论人的延伸》。
数据可视化：
用标尺、颜色、位置、形状等各种视觉暗示的组合来表现数据，最常用的可视化手段是图片，这也是我们今天讨论的主题。
02 可视化原则
对比
颜色、空间、指示信息、背景，是通常使用的对比方式。
多维
维度即数据的分类依据，多维即多分类。
目标
可选项，业务指标如营业额KPI是通常的目标值。
可视化中增加目标的目的是突出当前与目标的偏离程度。
基准
单位是通常的基准，比如是重量还是速度。
03 可视化组件
视觉暗示
包括位置、长度、角度、方向、面积和体积、颜色、位置、形状、大小等视觉敏感的元素。
坐标系
分类坐标系，如条形图、饼图、马赛克图、气泡图、热力图。
时序坐标系，如XY两个变量的马赛克图、时序图、折线图、散点图、点线图、径向分布图、时序星状图、日历。
地理坐标系，基于地图的图表，如航线图、等高线图、失业率图。
极坐标系，以内圆为中心的对比图表，如南丁格尔玫瑰图。
标尺
赋予点、线、面等计算的计量单位。
背景信息
赋予图表发生的大背景信息，可以是图，也可以是文字或者音乐。
04 可视化工具
可视化平台和工具
- Tableau：一个强大的商业智能和数据可视化工具，支持交互式图表、仪表盘和地图。
- Power BI：Microsoft的商业智能工具，支持数据分析和交互式可视化。
- QlikView：一个商业智能平台，支持数据可视化、分析和报告。
- Looker：一个数据分析和可视化平台，适用于商业智能和数据探索。
- Kibana：一个开源的数据可视化工具，主要用于与Elasticsearch结合进行日志和时间序列数据的分析。
- Grafana：一个开源的平台，适用于监控和可视化时间序列数据，支持多种数据源。
- Superset：一个开源的数据可视化平台，由Airbnb开发，支持多种数据源和交互式仪表盘。
开源可视化库
- D3.js：一个强大的JavaScript库，用于创建动态和交互式数据可视化，支持SVG、Canvas和HTML。
- Chart.js：一个简单而灵活的JavaScript图表库，支持多种类型的图表。
- Plotly.js：一个基于D3.js和WebGL的开源库，用于创建交互式图表和仪表盘。
- ECharts：一个由百度开源的强大数据可视化库，支持丰富的图表类型和交互。
- Vega：一个用于创建、共享和探索数据可视化的工具集，支持声明性可视化规范。
- Matplotlib：一个基础的2D绘图库，是许多其他可视化库的基础。
- Seaborn：基于Matplotlib的高级库，提供了更高级的接口用于绘制统计图表。
- Plotly：一个用于交互式图表的开源库，支持在线和离线模式。
- Bokeh：一个用于创建交互式图表和数据应用的库，支持Web端显示。
- Altair：一个基于Vega和Vega-Lite的声明性统计可视化库，提供简洁的API。
- Pandas（用于数据处理和简单可视化）：一个强大的数据处理和分析库，提供了基本的绘图功能（通过Matplotlib）。
- TensorBoard：TensorFlow的可视化工具，用于跟踪和可视化机器学习实验。
- Yellowbrick：一个用于机器学习可视化的库，与Scikit-learn无缝集成。
- SHAP（SHapley Additive exPlanations）：用于解释机器学习模型输出的库，基于Shapley值。
- LIME（Local Interpretable Model-agnostic Explanations）：用于解释机器学习模型的库，通过生成局部可解释模型来解释单个预测。
本篇文章，是【数据库、数据业务价值、大数据设计/架构/技术/工程】系列的第八篇。喜欢关注作者，并点赞收藏。