大数据时代下的数据可视化

• Data Base Technique

大数据时代下的数据可视化

文/杨晓宇 李晋芳

表1：数据可视化形式对比

摘 要本文通过对数据可视化报告案例的分析，进一步证实了可视化的意义和价值，并提出了如何更好地进行数据可视化的对策建议。可视化形式图表表格地图时间轴散点气泡

卫报新闻篇数

1485048151382620

网易新闻篇数

842118161571211

财新网新闻篇数

134462539815484

【关键词】大数据 数据可视化 信息图表

关系网文字配图其他

1 引言

数据才能轻松地向观众传达信息。通过对三种

互联网作为一个数据平台、一个数据集散地、聚集了海量的数据，在大数据时代下，互联网企业的决策离不开用户行为数据。我们完全可以借助数据理论和技术，本文分析了丰富的内容，找出了统计规则，为互联网企业实现更好，更快的可持续发展提供了定量依据。

媒体数据新闻可视化形式的调查分析，可以看出传统的文字和图片并不是数据新闻最重要的形式，信息地图，地图和图表丰富多样。时间占多数。如表1所示。

作者将图表分为三种媒体可视化表示形式（包括直方图，饼图，折线图等），表格，地图，时间线，散点图表，网络图表，字体图表等（包括金字塔，文本图表）云，文本图表

2.1 信息图表类工具

在数据可视化的研究中，大多集中在特定的媒体上。其中大部分集中在媒体如何获取数据，以及如何从信息图的角度进行研究和分析。

笔者对2018年乒乓球亚洲杯和羽毛球世锦赛期间国外媒体66篇体育新闻可视化作品进行统计，研究样本可视化总体形式统计结果显示：作品中只有9篇是以静态方式展现的(占比14%)，单向动态有18篇(占比27%)，而最多的就是双向动态互动方式，共有39篇(占比59%)。

对比国内媒体可视化总体形式，176篇国内的体育新闻中，可视化案例静态方式一共有170篇(占比97%)，几乎所有的国内体育媒体的可视化作品都只是停留在静态信息图的阶段。另外单向动态的只有6例(占比3%)，双向动态互动方式0例。双向动态的互动模式在国内体育新闻可视化中处于空白状态。在前文所介绍的国外相关领域领先的媒体中，双向动态模式几乎成为了一则优秀可视化体育新闻作品必备的特点之一。停留在静态阶段可以说是国内体育新闻可视化发展的最大瓶颈。2.2 可视化形式对比分析

可视化作为数据新闻的表达形式，是可视化大数据的最重要的环节。只有通过可视化，

3.1 数据可视化在用户体验研究中的运用实践

在数据集的视觉设计过程中，通过对数据进行针对性的分析，可以还原事物本质，使人们如同拥有一个“新相机”。

在2011年8月英国发生全国性骚乱的背景下，《卫报》发起了“解读骚乱”项目，旨在通过收集、分析和处理数据，对骚乱的原因和影响进行深入分析。这个项目的数据收集主要来自三个方面。首先，通过对参与暴乱的人、警察和普通居民的深入采访，获得第一手资料。其次，对社交媒体上的内容进行数据分析。第三，收集犯罪嫌疑人的有关个人信息和法庭记录。在这个庞大的项目中，《卫报》不仅使用了可视化技术来展示其数据分析的结果，还将其作为随后披露暴乱的依据。报道题为“英国的骚乱：贫穷是原因吗?”在这一部分，项目组通过对收集到的数据进行分析，完成了“财富因素与暴乱”的对比信息图、“解释暴乱”的法庭数据分析。通过分析参与暴乱的主要

息。

等。从表中可以清楚地看出，图表是主要的绝对主力。原因是大多数数据可以使用直方图，饼图，多边形等良好的性能，其他形式的基础有局限性，如地图数据必须与地理位置有关，时间线必须有时间跨度变化，等等。强制使用会增加受众理解的难度，画蛇添足。

群体，研究他们的经济能力，在信息图上标注2000多名暴乱参与者的家庭住址，可以发现他们大多生活在英国的贫困地区。此外，对暴乱参与者的家庭地址和骚乱的位置二维数据分析比较，发现这些人主要是步行的方式参与骚乱，从而得出参与暴乱的人更有可能是偶尔，而不是故意长途旅行参加骚乱。在对数据的全面分析中，《卫报》发现，贫困是全国性骚乱的主要原因。

3.2 数据可视化的设计要点3.2.1 清晰、有效的归纳

数据可视化的信息图功能是简化复杂信息。统计学家爱德华曾说过，“良好的信息设计是一个清晰的视觉观念。3.2.2 准确、简洁的组织

由于信息传输和接收的对象不同，相关信息的图形传输会有一些偏差，容易被误解。因此，有必要在初始设计中合理地总结信息，以使信息具有一定的结构，而不是简单地堆叠几何图。交互设计师通常是工程师。他们不需要像科学家那样思考和分析与大脑相关的所有时间常数，而只需设计好系统。3.2.3 富有美感

数据可视化应该在设计上很漂亮。否则，难以直观地吸引用户并获得大量的用户浏览信

2 大数据时代数据可视化工具概述

3 大数据时代数据可视化的应用

4 当前数据可视化遇到的问题与挑战

4.1 当前数据可视化遇到的问题

数据可视化是解决方案。因此，面对海量数据，我们首先应该考虑如何根据领域问题合理地提取相应的数据。在提出问题以创建信息可视化时，我们应该尽可能地关注以数据为中心的问题。注意以“为什么”开头的问题，

<<下转141页

140 •电子技术与软件工程 Electronic Technology & Software Engineering

Data Base Technique 数据库技术

•

基于Python的高中教学数据库设计

文/林本照1 周松2

1 Python概述

摘 要文章对Python进行概述，并对数据库的操作模式进行分析，对数据库系统编译平台的目标指令介绍，并对高中教学数据库的设计进行研究。计算机程序设计语言（Python）是以目标为基准，对其进行动态化设定，以保证目标在网络语言内实现多功能性应用。现阶段，Python已被广泛应用到Web开发、网络算法、教育、软件研发等领域中，其在初始设计过程

【关键词】Python 高中 数据库

中，秉承着简便、快捷、高效的应用，进而为网络各模块化操作提供设计基础。

现阶段，网络信息的不断发展，其产生的大量数据信息等，增加数据库的运行负担。高中教学数据库在设计过程中，其受众群体一般以教师、学生、管理人员等为主，为保证数据库内信息的精准传输需求，以Python程序设计语言为主，在Berkeley DB的应用下，可建构开源型数据网站，以此来实现数据信息的共享性查询。同时Python可为高中教学数据库提供拓展支持，在内部指令信息的传输下，可保证系统对数据库内的信息进行精准查询，以此来满足用户的查询需求。

在网络技术的不断发展下，人们工作和生活中产生的数据信息均可上传到网络数据库

Python程序内执行指令时，一般下达指令中文件中的源数据代码转译成字节码，在通过网络虚拟化翻译模式对转变的字节码进行翻译。Python在对数据信息进行处理时，其以抽象化字节码的方式对数据信息进行处理，同时Python还可实现指令内的交互运行，以此实现网络内数据信息的交互型传输。

图1：Berkeley DB数据库操作步骤内，同时在信息技术的应用下，可使人们通过网络随时随地对存储类信息进行获取，以此来实现局域网络内信息的高效率传输。当前在对数据库系统进行选择时，由于数据信息在指令操控内应具备共享性原则，因此选取传统的嵌入式数据库（Berkeley DB）来作为数据库的主操控系统。Berkeley DB属于开源型，其与定向存储类数据库相仿，可对数据库实现对接式访问，同时其具有兼容特性，可实现C++、PHP、Java等多语言类共享。Berkeley DB数据库可进行对点位并发，精准查询数据信息的指令状态，并可在源数据库内寻找到与之相对应的信息节点，其最大可容纳256TB的数据

2 数据库操作模式

<<上接140页

这意味着您开始使用更正式的数据描述重写分析。

许多数据可视化和BI仪表盘都成为数据过载的牺牲品——主要原因在于可视化内容过于拥挤，很多不必要的内容可能会让数据更加难以理解。例如，三维图表虽然看起来令人印象深刻，但它们往往会使数据的解释更加困难。4.2 大数据时代数据可视化的发展建议4.2.1 对多维数据的视觉设计

大量数据和信息中有许多多维数据。这些多维数据的可视化非常重要。有许多方法可以直观地设计这些数据，并为不同的数据类型选择不同的方法。这些方法基本上实现了多维数据的呈现，使用户能够从各个方面分析和理解数据，并获得所需的视觉效果。用户可以更方便地观察和分析数据，从而获得有价值的信息，大大减轻了用户的工作量，提高了工作效率。4.2.2 对层次关系的设计

在数据处理和分析过程中，层次关系可以最清晰地绘制数据中包含的信息。在设计此类数据的可视化时，我们可以使用树结构来描

述它。但是，树结构只能描述少量数据，但不能描述大量数据。因此，在制作大数据时，我们应该考虑在尽可能小的空间中呈现尽可能多的层次关系。

4.2.3 对文本数据的视觉设计

在数据处理和分析过程中，我们会遇到各种文本信息，而且文本信息量也非常大。有了这么多的文本信息，很难找到我们需要的文本。我们必须设计一个非常清晰的视觉界面，以帮助我们快速找到我们需要的文本。同时，在单文本信息的设计中，要突出文本信息的特征，将其与其他文本信息区分开来，并注意文本信息的视觉效果，以便我们一目了然，从而实现文本的可视化。

参考文献

[1]黄墨樵.论大数据时代下文化遗产数据的

可视化——以故宫数字沙盘为例[J].博物馆研究,2014(04):87-93.

[2]周嫣然.基于大数据时代的数据可视

化应用分析[J].网络安全技术与应用,2014(11):47-48.

[3]王囝囝,杨树,毕焘.大数据时代

数据信息可视化的研究[J].通讯世界,2015(14):185-186.

作者简介

杨晓宇（1968-），女，山西省太原市人。学士学位。教师，副教授。研究方向为大数据、云计算。

李晋芳（1990-），女，山西省忻州市人。硕士研究生。教师。研究方向为大数据、计算机网络、教育信息化。

5 结语

随着网络技术的发展，大数据时代已经到来，从数量变化到质变。随着用户对数据分析的需求不断增长，对数据可视化的需求将越来越强烈。普通用户还需要或积极参与可视化项目的设计和创建，更多元化的数据可视化技术将大有作为。

作者单位

惠州工程职业学院 广东省惠州市 516000

Electronic Technology & Software Engineering 电子技术与软件工程• 141