数据可视化的10个关键术语

纷繁复杂的数据常常让我们无所适从，而可视化能够通过视觉的方式让数字易于理解。数据可视化将数据库中每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析。本文梳理了可视化的10个关键术语的主要内容，与大家分享。

Format 交互方式

交互式可视化允许您修改，操作和探索计算机显示的数据。绝大多数交互式可视化系统在计算机网络上，但越来越多出现在平板电脑和智能手机上。相比之下，静态可视化只显示单一的、非交互数据，它通常是为了打印和在屏幕上显示。

Chart type 图表类型

图表是数据视觉化表示的特殊方式。表示数据的方法有很多，如使用不同的符号、形状和排列，我们把这些称之为图表的类型。一些图表类型你比较熟悉，如条形图、饼图、折线图，但其他类型你可能就很少见了，如桑基图、树图、等值线图的地图。

Dataset 数据集合

数据集合是需要可视化处理的数据集合。你可以简单认为数据集合就是很多行和列的数据，这些数据通常在电子表格或数据库中。行代表一个记录，也就是一个事务的实例；列是变量，代表事务的具体信息。数据集合的大小、形式和关系是可以看到的，否则我们就很难观察。

Data source 数据源

当数据可视图的作者想告诉你展示的数据或信息的来源时，这些来源信息也会显示出来。通常会显示在标题附近或页面的底部。如果数据可视图有文章资料，你可以在文章中找到来源信息。大数据

Axis 轴

许多类型的图表有轴。轴分为垂直的Y轴(向上或向下）和水平X轴(向左或向右)，目的是为阅读数值的高度或位置提供一个参考。轴的位置通常会有刻度(见下文)，刻度为阅读图标提供一个固定的参考点。

Scale 度量

度量表示数值的规模和范围。度量通常以间隔表示(10、20、30等等)，代表度数字的单位，如价格、距离、年，或百分比。

Legend 图例

许多图表使用不同的视觉样式来表示不同的数据，如颜色、形状或大小。一个图例或样例告诉你这些样式是什么意思，从而帮助你阅读图表。

Variables 变量

我们可以用变量描述不同的人或事，例如，它可能是名字，出生日期，性别和工资。变量有不同类型，包括数量(如工资)、类别(如性别)，还包括属性或文本信息(如名字)。图表可以表示不同变量之间的关系。例如，右边的条形图可以显示不同部门(不同的组)的员工的数量(柱的高度)和性别组成(不同的颜色)。

Outliers 离群值

离群值是那些数值超出了正常数值范围的数据。我们知道图表常常可以帮助识别数据模式，在右边的例子中，x轴上的数量越大，在y轴上数量就越大，这就是一种数据模式。有时候有些特殊的数据不符合图表中数据模式，如图中橙色点，它们就是离群值。

Input area 输入区

输入区允许你在图表中输入信息，或是寻找特定名字或位置，或为了输入你自己的信息。

扫码关注本号，输入以下关键词

查看更多优质内容！

PM2.5 | python3.7 | 豆瓣电影 | 

世界杯 | python可视化 | bs4 | 

数据分析报告 | 人工智能算法