如何理解数据可视化？

数据可视化有着非常久远的历史，最早可以追溯至远古时期。在远古时期，人类的祖先通过画图的方式记录对周围生活环境的认知;随着社会的发展，人类对世界的认知有了发展，已经能够灵活地运用柱形图、折线图等展示数据;随着计算机的普及，人们逐渐开始使用计算机生成更加丰富的图形。研究表明，80%的人能记得所看到的事物，而只有20%的人能记得所阅读的文字。因此，相较于文字类型的数据，人眼对图形的敏感度更高，记忆的时间更久。

数据可视化是借助图形化的手段将组数据以图形的形式表示，并利用数据分析和开发工具发现其中未知信息的数据处理过程。数据可视化其实是一个抽象的过程，简单来说就是将一个不易描述的事物形成一个可感知画面的过程，即从数据空间到图形空间的映射。无论原始数据被映射为哪种图形数据，最终要达到的目的只有一个准确、高效、全面地传递信息，进而建立起数据间的关系，使人们发现数据间的规律和特征，并挖掘出有价值的信息，从而提高数据沟通的效率。换言之，数据可视化能实现让数据说话的目的。

为了让读者直观地看出文字数据与图形数据之间的差异，下面通过一个KPI(Key Performance Indicator关键绩效指标)报告的示例进行说明。假设某公司员工在整理全年KPI报告时准备了表格和图形两种形式的数据，分别如图1和图2所示。

图1


图2

图1中，表格列举了各季度的实际值、目标值和差距值，方便公司领导快速地知道具体的数值，但无法快速地了解各季度之间的比较情况。在图2中，每个矩形条的高度代表各季度实际值的多少，矩形条的上方标注了具体的值，下方标注了季度或年累计;虚线位置对应各季度目标值的多少;矩形条的颜色区分了是否完成指标的情况:填充蓝色的矩形条代表已完成指标的季度，填充红色的矩形条代表未完成指标的季度。由图2可知，Q3对应的矩形条是红色的，说明Q3未完成工作指标; Q2对应矩形条的高度超过虚线且距离最远，说明该季度的工作完成得最好。公司领导通过图形可以快速且准确地了解各季度的情况，以便对公司下一年的工作做出有效决策。

综上所述，数据可视化是数据分析工作中重要的一-环，对数据潜在价值的挖掘有着深远的影响。随着数据可视化平台的拓展、表现形式的变化，以及实时动态效果、用户交互使用等功能的增加，数据可视化的内涵正在不断扩大，相信数据可视化的应用领域会越来越广泛。

文章转自：http://python.itcast.cn/areanews/xk/python/pythontech/20210421/17110759785.shtml

猜你喜欢：

Python常用的数据分析库有哪些？Python数据分析模块介绍

数据分析的流程是什么？如何做数据分析？

如何做数据分析？数据分析有什么作用？

黑马程序员Python+数据分析培训课程