第六章_新媒体数据可视化PPT推荐.pptx

第六章_新媒体数据可视化PPT推荐.pptx

《第六章_新媒体数据可视化PPT推荐.pptx》由会员分享，可在线阅读，更多相关《第六章_新媒体数据可视化PPT推荐.pptx（41页珍藏版）》请在冰豆网上搜索。

,第第一六章章网络新新媒媒体体数的据本可质视概化念,6.1新媒体数据可视化概述,可视化可被认为是一个视觉认知的过程。

视觉是获取信息最重要的通道，超过50%的人脑功能用于视觉的感知。

人类视觉在检测变化和比较数量、大小、形状和亮度变化方面具有很高的效率。

第第一六章章网络新新媒媒体体数的据本可质视概化念,6.1.1新媒体数据可视化的定义,新媒体数据可视化可被定义为将新媒体数据信息或分析结果编码为图形中包含的可视对象（例如点、线或条形）来进行信息传达的技术,是数据分析或数据科学中的一个步骤，其目标是向用户清晰有效地传达信息。

为了清晰有效地传达信息，数据可视化使用统计图形、绘图、信息图形和其他工具，通过在可视化创建中使用图形标记和数据值之间的系统映射来实现。

新媒体数据可视化与信息图形、信息可视化、科学可视化、探索性数据分析和统计图形学密切相关,第第一六章章网络新新媒媒体体数的据本可质视概化念,新媒体数据可视化的作用记录信息,对于新媒体产生的信息，若单纯使用文字来记录知识，往往很难将信息的全貌或其间错综复杂的信息关联展现清楚。

而数据可视化可以通过图形的方式有效记录新媒体信息，它能直观地记载复杂的概念和信息。

在大数据时代，数据新闻作为一种新型报道形态，以数据为基础的报道方式真实客观地呈现和记录了新闻的事实。

第第一六章章网络新新媒媒体体数的据本可质视概化念,6.1.2新媒体数据可视化的作用,2.帮助推理与分析信息,可视化可以提供直观的信息感知机制，利用大脑对视觉信息的快速处理能力帮助人们形象直观地处理和分析所面临的任务。

数据可视化能降低数据理解的复杂度，起到帮助信息推理与分析的作用。

美国Oakland地区犯罪数据可视化应用是一个很好的案例，该应用是由StamenDesign工作室的MichalMigurski、TomCarden和EricRodenbeck研发的。

该应用用不同的颜色显示不同的犯罪类型，表达清晰。

还提供了交互式的可视化功能，用户可以在应用中选择可视化参数，如犯罪事件发生日期、犯罪类型、发生时段等，具有很好的用户体验,第第一六章章网络新新媒媒体体数的据本可质视概化念,6.1.2新媒体数据可视化的作用,3.便于信息传播与协同数据可视化通过图形化的方式清晰而有效地传达信息，是将复杂信息传播和发布的最有效途径。

理想的数据可视化效果不仅能清楚地传播信息，而且能激发观众的参与和注意力，有利于信息的共享与论证、信息的写作与修正等。

2008年华盛顿大学的计算机科学和工程学系和生物化学学系共同开发了一个跨界的生物科学研究项目“Foldit”，该项目被设计成一款实验性的蛋白质折叠电子游戏,第第一六章章网络新新媒媒体体数的据本可质视概化念,6.2新媒体数据可视化的设计原则,数据可视化已成为当今流行的媒体站点的高性能内容类型之一。

如何有效地交流隐藏在数据内部的信息是一门艺术。

以下是为创建美观而有效的数据可视化的一些关键设计原则。

1美的视觉设计

（1）构图美。

构图的美学原理主要体现在画面的稳定感。

稳定的画面感可以使人们获得安定和舒适感。

需要考虑设计元素的平衡属性，对画面进行合理地组织和安排。

画面的构图形状、视点的选择、构图的平衡感、色彩的平衡感都会影响整个可视化画面的稳定感。

第第一六章章网络新新媒媒体体数的据本可质视概化念,6.2新媒体数据可视化的设计原则,

（2）布局美。

布局的美学原理可以借鉴由德国心理学家于20世纪20年代提出的一组视觉知觉原理格式塔原则。

邻近原则：

邻近元素被认为比那些放置得更远的元素更相关。

相似原则：

具有相似视觉特征的元素比不具有相似视觉特征的元素更相关。

闭合原则：

利用大脑会自动填补视觉空白并创建统一整体的能力，减少信息交流所需的元素数量。

闭合原则使得视觉噪声最小化，达到在小空间内强化概念的效果。

简单原则：

设计的构图越复杂越难于被理解。

用简单的构图和元素可使可视化更具有视觉感染力和冲击力。

对称原则：

对称带来视觉的和谐与舒适，可以有助于人们关注重要的事物。

在对称设计之中，不对称的元素会吸引用户的注意力，起到突出表达的效果。

连续性原则：

连续的元素会被认为是同组的，加强了对分组信息的感知。

若连续性中断，则标志了新内容的出现。

连续性原则带来秩序感，对用户有很好的引导作用。

第第一六章章网络新新媒媒体体数的据本可质视概化念,6.2新媒体数据可视化的设计原则,（3）色彩美。

在数据可视化设计中，合理地使用色彩可以增强视觉感知效果。

色彩的使用主要考虑色彩情感，它指的是不同波长色彩的光信息通过视觉神经传入大脑后，经过思维与以往的记忆及经验产生联想，从而形成一系列的色彩心理反应。

不同的色彩搭配可以表现不同的情感，用来表达与之匹配的可视化设计主题风格，调动观赏者的情感。

2,第第一六章章网络新新媒媒体体数的据本可质视概化念,正确的视图选择简单的数据可视化故事可以用一个基本的可视化视图展现，复杂的可视化故事可以规划多个视图，多个视图有层次、有顺序地展示数据包含的重要信息，表达出相应的可视化故事。

多视图可视化故事需要树立一个统一主题，以确保设计的一致性。

6.2新媒体数据可视化的设计原则,3合理的信息密度筛选,4,好的数据可视化展示信息并不是越多越好。

合理的信息展示量，区分信息主次，使信息显示主次分明，有利于向用户清晰地叙述可视化故事。

最大化的数据墨水比率信息设计的先驱者EdwardTufte教授提出数据墨水（data-ink）的概念。

数据墨水是指把所有显示的点分为数据和非数据的显示。

图表设计的目标，是在不影响数据的表达的前提下，使得“数据与墨水”的比例最大化，尽可能擦除非数据墨水。

5自然的可视化隐喻自然的可视化隐喻在利用数据叙述故事时，将陌生的数据信息用可视化用户所熟悉的事物进行比较，有助于增强可视化用户对故事的理解。

在情感上也更加容易让用户形成共鸣，体现出可视化设计的人本思想。

第第一六章章网络新新媒媒体体数的据本可质视概化念,6.3新媒体数据可视化的常用工具,常用的数据分析软件如SPSS、Phython、R均具有数据可视化功能，其中R和Phython拥有丰富的数据可视化函数和软件包可以实现高级的数据可视化技术。

除此之外，专门用于数据可视化的工具也不少。

以下介绍两种适用于新媒体数据、表现突出的可视化分析工具,第第一六章章网络新新媒媒体体数的据本可质视概化念,6.3.1ECharts,Echarts由百度创建，是一个使用Javascript实现的免费开源可视化库，是一个进入国际顶级开源社区Apache的项目。

Echarts具有多样美观的图标类型，且提供丰富的交互组件，可以实现对数据的多维度数据筛取、视图缩放、展示细节等交互操作,第第一六章章网络新新媒媒体体数的据本可质视概化念,6.4新媒体数据可视化的常见方法,新媒体数据可视化以展示数据信息为目标，可视化方法的选择与应用隐藏着一个重要的问题你想展示什么？

不同的展示目标决定了不同的数据可视化方法。

第第一六章章网络新新媒媒体体数的据本可质视概化念,6.4.1关于关系的可视化,数据分析的主要目的之一就是要寻找数据之间的关系。

熟悉的数据关系有相关关系（correlation），主要分为正相关（两个变量值同时增长）、负相关（一个变量值增加另一个变量值下降）、不相关、非线性相关。

通过数据相关关系的分析，人们可以快捷、高效地发现事物间内在关联。

1,散点图,散点图将所有的数据以点的形式展现在坐标系上，以显示变量之间的相互影响程度，点的位置由变量的数值决定,第第一六章章网络新新媒媒体体数的据本可质视概化念,6.4.1关于关系的可视化,2散点图矩阵散点图矩阵是网格（矩阵）形式的散点图，用来展示多维数据的两两关系。

如图所示，位于对角线位置的直方图呈现出每一个变量的分布，而对角线上下的散点图表现的是变量两两之间的关系。

第第一六章章网络新新媒媒体体数的据本可质视概化念,6.4.1关于关系的可视化,3气泡图气泡图与散点图类似，只是在散点图的基础上增加了一个维度的数据展示，适合描述数据差异较大的三维度或四维度的数据之间的分布关系，图中描述了四个维度的数据信息，横纵坐标分别为人均GDP与人均寿命，气泡颜色代表地区，气泡大小表示了地区人口数。

第第一六章章网络新新媒媒体体数的据本可质视概化念,6.4.1关于关系的可视化,4网络图在网络图中，对象用节点来表示，节点的大小、颜色可以代表它的两个参数。

用节点间的连线来表示两个节点之间的关系。

连线可分为无向和有向，连线的粗细表示关系的强弱。

第第一六章章网络新新媒媒体体数的据本可质视概化念,6.4.2关于差异的可视化1柱形图柱形图通过使用水平或垂直方向柱子的高度来显示不同类别的数值，可用于展示不同类别数据的差异,第第一六章章网络新新媒媒体体数的据本可质视概化念,6.4.2关于差异的可视化,2热力图热力图是一种使用颜色的数据的二维可视化表示，由小色块有序且紧凑地组成，其中颜色都表示不同的值。

热力图适宜于呈现数据的全面概览。

特别适合用于数据量较大的、相对原始的数据。

第第一六章章网络新新媒媒体体数的据本可质视概化念,6.4.2关于差异的可视化,3切尔诺夫脸谱图切尔诺夫脸谱图由统计学家HermanChernoff于1973年发明，利用人脸特征展示多维数据，首先被用于聚类分析的可视化，可以揭示多维数据中的趋势。

在切尔诺夫脸谱图中，1518个指标变量用来决定脸部特征。

不同的指标变量用人脸的不同部位特征来表示，变量的数值大小可以为各个部位的形状