我对数据可视化的认识

   前些天通过一张美丽的图片，闯进了FlowingData这个世界，开始真正去了解数据可视化。“The greatest value of a picture is when it forces us to notice what we never expected to see”是该网站about中的第一句话，在逛了不少可视化的网站和博客之后，个人觉得这句话是数据可视化最好的注解。大数据像是‘黑盒子’一样的新世界，现在我们用数据挖掘来探索这个世界的规则和信息。但是没有问题导向的数据挖掘需要花费大量的时间来探索。另外眼睛才是我们认识世界最直接有效的渠道，所以如果我们能够将数据世界具体化呈现出来，那么其实很多规则我们用眼睛就可以看得到。甚至看到更多隐藏的信息。数据可视化不仅仅是为了展示数据，而是通过图像残留来增加人思考的时间和质量，加大概率发现隐藏在数据背后的未知。

   这幅图是twitter近3亿用户按经纬度和语言的分布。逻辑上很简单的图，但当却耐人寻味。你可以把一张欧洲地理地图、公路铁路地图或者其他信息图与其进行对比，你会快速的清楚大部分的twitter用户所处的各种环境，甚至更多的信息，当然带来更多的思考点，而且这样的图形会经常浮现，让你整天处于思考状态。

   另外发现了很多非常有意思的数据可视化网站：纽约时报的可视化工作实验室(商业性强);Information is beautiful(想象力丰富，数据可视化比赛);Flowingdata(前沿技术应用、产品化)。　　

R的可视化

   目前数据可视化大军大都在UCD方面，像百度的流量研究院,和腾讯的qq游戏地图这些都是优秀的数据可视化产品，完美的效果和用户体验。但对数据从事人员来说，数据可视化是锦上添花的一部分，他们更重要的工作是从数据中挖掘出规则和信息，然后才将这些结果可视化出来。说到这里就有一种语言浮出水面：R。R是一种优秀的具有很强数据可视化功能的数据分析语言。

   很些人总结出了一些数据可视化的步骤，如这里。这里我讲一下我的方法：类比代数学中的元素与映射，数据可视化本质上就是两样东西，一样是实体(你的研究对象，可以是任何范畴)，一样是联系(就是两个或多个实体之间的关系)。其中实体和联系都有属性，比如把人当成实体，那么人有身高、体重等属性；而人与人之间的联系的属性有像亲密程度、贫富差距等属性。那我们需要的就是把这些信息最清晰的表现出来，我觉得这样的逻辑方式可以帮帮助我们对可视化进行分解，更容易解放想象力。 下面以中国航空数据图作为例子来讲一下。从这里可以得到机场的数据。从这里可以得到所有航线的数据。这两个数据集都是包含全世界的，需要从中将中国的数据提出。还需要做一些数据处理和分析工作，篇幅关系下面只给出了图形部分的代码。分几步来说：

1.将机场当成实体，它的一个属性是航线的数量。用直方图来体现

ggplot(cnt) + geom_bar(aes(x = cnt$count))

2.机场有另外一个属性：地理位置。用地图来体现，并将航线数量展示上去

p=ggmap(get_googlemap(center='china',zoom=4,maptype='terrain'),extent='device')
p+geom_point(data=chinaport,aes(x=lon,y=lan),colour='blue',size(chinaport$count/10)
             alpha=0.6)

3.接下来就是将机场的联系展示上去。

ggmap(get_googlemap(center = 'china', zoom=4, maptype='roadmap'),extent='device')+#画地图
geom_point(data=chinaport,aes(x=lon,y=lan),colour = 'blue',
           size=(chinaport$count/20),alpha=0.8)+  #画机场
geom_line(data=dat,aes(x=lon,y=lan,group=group), size=0.1, #画航线
          alpha=0.05,color='red4')

4.有时候一张图是不足以体现数据的，这里用一张gif图来表现每个机场的航线数。(点击看大图)

require(animation) #导入所用包
draw = function(i){  #画图函数
   one = chinaport[1:i,]  
   p=ggmap(get_googlemap(center='china',zoom=4,maptype='terrain'),extent='device')  
   p+geom_point(data=one,aes(x=lon,y=lan),colour='blue',size(one$count/15),alpha=0.6)+  
   geom_point(data=one,aes(x=lon,y=lan),colour='red',alpha=0.6) 
                  } 
oopts = ani.options(ffmpeg = "D:/Program Files (x86)/ImageMagick-6.8.7-Q8/ffmpeg.exe") #设置ffmpeg 
saveVideo({  
    for(i in 1:36) print(draw(i)) #循环调用画图函数  
    ani.options(interval = 0.6, nmax = 230) },  
    video.name = "hanxian.gif", other.opts = "-b 500k")

可重复和自动化统计报告

   国内一个专注于R语言自动化报告的学者谢益辉,开发了一个基于R语言的Knitr包，主要用来实现可重复统计报告。Knitr包主要是实现在标记语言Markdown中嵌入R代码，然后执行Markdown脚本就可以生成一份具有R程序分析结果的报告。

   具体步骤为：

   1. 先在R中建一份R-Markdown(.md)文件，可直接在其中写Markdown脚本。

   2. 可以通过以下方式插入R脚本，并可以通过调参，控制R程序的输出包括表和图的各种属性控制。

   3. 最后通过Knitr来运行这份.md文件可直接生产一份html文档，也可通过latex进一步产生一份pdf报告。

   通过这个方案，其实我们可以定制一些日常可视化的数据分析报告，这不仅要比密密麻麻的数据报表来得要鲜活得多，而且支持更加深入的分析和针对性的结果展示.

   注：本文采用R中的ggplot包实现可视化，这是一个图层逻辑的可视化工具(跟本文的可视化逻辑很符合)，在这并没有详细阐述，待接下来再写一篇来好好介绍一下神奇的ggplot。

建议继续学习：

1. 好软件推荐 gnuplot 来做可视化数据    (阅读：2689)
2. 给数据穿上美丽的外衣    (阅读：2613)
3. 惊现！表面下的隐藏信息――浅谈信息可视化    (阅读：2425)
4. 浅谈信息可视化――航空篇    (阅读：2177)
5. 白话Block Formatting Context    (阅读：1899)
6. 浅析来源分析的数据可视化    (阅读：1993)
7. 信息可视化研究范畴及案例    (阅读：1687)
8. 轻触，数据美丽的外衣    (阅读：1660)
9. 一种基于flex的可视化多层流量切分界面的实现    (阅读：1428)
10. iOS可视化编程 Tips 之“无需代码设置圆角”    (阅读：1877)