数据可视化之美：经典案例与实践解析
随着DT时代的到来，传统的统计图表很难对复杂数据进行直观地展示。这几年数据可视化作为一个新研究领域也变得越来越火。成功的可视化，如果做得漂亮，虽表面简单却富含深意，可以让观测者一眼就能洞察事实并产生新的理解。可视化(visualization)和可视效果(visual)两个词是等价的，表示所有结构化的信息表现方式，包括图形、图表、示意图、地图、故事情节图以及不是很正式的结构化插图。
基本的可视化展现方式，如条形图、折线图、饼图、雷达图可以很容易通过各种软件（如Excel）容易生成，这些方法是常见可视化 问题的良好且强大的解决方案。然而，使用这些方法的最佳方式局限于一些特定的数据类型，而且其标准型和普遍性意味着它们基本无法达到新颖性。如果对地理空间数据、社会网络关系、多维数据进行可视化，直观地传递数据期望表达的信息是需要特定的图表类型来展示。
让我们一起来看几个经典的可视化，观测它们是如何充分利用其源数据结构的。
1. “美国大选”数据可视化
在美国大选期间，美国媒体做了不少与之相关的数据报道，让我们来回顾一下，他们是如何将美国大选的数据可视化 的吧!
下图为各洲“选举人票”的占比情况。作者设计了两种表现方法，一是以“选举人票”的分布做为底图，一是直接以美国地图作为底图。除此图上方双方选举人票总体数量对比外，鼠标移至各洲上方还能显示各洲“选举人票”数量及对希拉里与特朗普的支持比例。
关于第三方选举人影响的情况(在只有两种选择和有四个选举人的情况下，选民的态度又是怎样呢?)
特朗普的粉丝更多的是公立学校出身，而希拉里的则大都为精英阶层。
希拉里的粉丝大都较为“书生气”，使用与书籍相关的词汇，其中有很多被认证为教授或博士;而特朗普的粉丝更加喜欢流行文化，他们可能同时是流行歌手的粉丝，也更加关注球类运动等。
2.社会关系可视化
社会网络分析(Social Netwrok Analysis，SNA)是在传统的图与网络的理论之上对社会网络数据进行分析的方法。随着人类进入了移动互联网时代，社会网络数据成了重要的数据资源。SNA的本质是利用各样本间的关系来分析整体样本的群落现象，并分析样本点在群落形成中的作用以及群落间的关系。
近几年手机端网游越来越重视游戏用户社交性设计。这款游戏的玩法设计特别强调强社交性：用户可以在游戏内组建家族，家族成员有不同的职务等级，用户也可以在游戏内给好友赠送道具。我们从数据库中收集抽取了部分用户的家族数据(Nodes)和好友沟通数据(Links)。其中Nodes数据集包括Id(用户ID)、Label(用户名称)、Group(所属家族)、Level(等级)的信息；Links数据集包括Source(发起方)、Target(接收方)和Weight(斗气数量)信息。
从网络图可以看出，不同家族的成员基本紧密联系在一起，并通过一些关键成员与其他家族成员联系。例如我们发现右下角的那个社群的成员先通过user1用户、再通过user12用户跟其他社团成员联系在一个大网络图中。
我们也可以用Gephi软件快速绘制社会网络图，并对其进行美化。
3.地理信息可视化
在第一个例子中，我们已经见识到了地理信息可视化 的魅力。接下来我们简单了解下如何利用Remap包快速绘制可交互的地图数据可视化。
百度迁徙图是近年来非常流行的一种地理信息可视化，可以通过连线动态查看人口流向。此处给大家绘制一幅动态航班图的地理信息可视化图。
也可以利用Remap快速实现未来天气预报。
还可以把一些各地举行的会议事件在地图上进行可视化展示，下图是2015年中国R语言会议在各个城市举行的可视化展示 。
城市热力图也是近年来非常流行的一种地理信息可视化 方式，通过颜色的深浅表示不同地区的实际数值大小。
通过以上的几个小例子，相信大家已经惊叹于上面的可视化效果，给人眼前一亮、耳目一新的感觉。以上可视化并未运用到很高深的技术，如果你也掌握以下一些可视化知识，也能绘制出以上图表的效果。
接下来，让我们一起来学习下创建有效的可视化的步骤。我们通常会按照下述的几个关键步骤进行：
你有什么数据？数据有哪些分类？
关于数据你想了解什么？
应该使用哪种可视化方式？
能够进行可视化的工具有哪些？
透过可视化你看见了什么，有什么意义？
最后，复杂高维数据无法用单一的静态图表进行直观地展示，因此需要借助可视化 手段让数据动起来，更好地发现数据价值。比如说有不同组别的数据，我们想查看各组别间的数据和总计时，此时就可以通过交互式探索的形式进行展示。
还可以结合自己掌握的数据分析和可视化技术，搭建数据可视化 平台，从而实现智能BI的可视化功能。比如说，我们不需要具备开发能力，利用R工具的shiny包可以快速搭建数据可视化 原型。下面这个例子就是一个通过shiny包结合可视化技术实现的一个可视化平台。
