代碼下載鏈接：http://download.csdn.net/detail/jsgaobiao/9534463

?? 【概述】

本次大作業(yè)我們選取了第一個題目：基于統(tǒng)計方法的數(shù)據(jù)分布的圖形顯示。我們從各省市統(tǒng)計局公布的數(shù)據(jù)中搜集了包括人均GDP（元）、人口密度（人/平方公里）、PM2.5年平均濃度（微克/立方米）、年旅游收入（億元）的數(shù)據(jù)并且做了統(tǒng)計和可視化。

我們認(rèn)為這些數(shù)據(jù)可以一定程度上反映出一個省或直轄市的經(jīng)濟（人均GDP）、社會（人口密度）、環(huán)境（PM2.5年平均濃度）和文化產(chǎn)業(yè)（旅游收入）的發(fā)展水平。我們所呈現(xiàn)出來的兩張圖表也可以讓用戶直觀的從地理位置和對比中，了解省市間發(fā)展的差異性以及每個省市自身的發(fā)展結(jié)構(gòu)，并且能夠輕松地尋找到用戶感興趣的區(qū)域。

下面我們將分步驟詳細地講述我們完成作業(yè)的流程以及其中涉及到的算法與技術(shù)，也希望借這個報告記錄下我們學(xué)習(xí)和使用這些知識技能的過程。

?

?? 【數(shù)據(jù)的選取】

本次作業(yè)采用的數(shù)據(jù)來源于各省市統(tǒng)計局的公報，包含了各省市、自治區(qū)、特別行政區(qū)的人均GDP（元）、人口密度（人/平方公里）、PM2.5年平均濃度（微克/立方米）和年旅游收入（億元）。其中，澳門特別行政區(qū)和臺灣的PM2.5年平均濃度、年旅游收入，以及香港特別行政區(qū)的年旅游收入缺少官方數(shù)據(jù)，因此我們采用了新聞報道中的統(tǒng)計數(shù)據(jù)用于研究。

為了嘗試不同組織方式的數(shù)據(jù)處理，我們使用了tsv和json兩種組織形式的數(shù)據(jù)文件用于兩種不同的可視化方案。其中tsv類型的數(shù)據(jù)文件中，所有的數(shù)據(jù)條目按照group（數(shù)據(jù)類型）、id（省份名稱）和value（數(shù)值）進行組織，而json文件中，每個數(shù)據(jù)對象表示了一個省份實體，當(dāng)中包括id（省份名稱）以及GDP、人口密度等不同屬性的數(shù)據(jù)。

?

?? 【數(shù)據(jù)可視化】

一、??????????環(huán)境與技術(shù)

本次作業(yè)的可視化采用了網(wǎng)頁端的實現(xiàn)方式，它具有跨平臺和輕便的特點。下面介紹了我們整個項目中涉及到的開發(fā)技術(shù)：

l? 搭建HTTP本地服務(wù)器：我們希望用戶通過瀏覽器打開HTML文件直接查看可視化的結(jié)果，不過這樣有一些局限性。一旦我們需要從其他文件中加載數(shù)據(jù)，由于瀏覽器內(nèi)建的安全機制，這樣的行為會受到限制。為了繞開這個安全機制，我們使用Python搭建一個本地的HTTP服務(wù)器，用該服務(wù)器來維護HTML頁面和數(shù)據(jù)文件，而不是直接從文件系統(tǒng)中加載。

本機采用了Python3.4.2的環(huán)境，只需要運行“python –m http.server”命令即可啟動一個HTTP服務(wù)器，默認(rèn)端口是8000.如果你采用了較老版本的Python，可以嘗試命令“python–m SimpleHTTPServer 8000”即可。

l? 網(wǎng)頁前端：HTML +CSS，這兩樣“利器”的搭配，可以讓我們方便的構(gòu)建出網(wǎng)站和各種可視化元素的樣式。

l? 數(shù)據(jù)可視化：D3.js，它是一個JavaScript庫，可以通過數(shù)據(jù)來操作文檔。D3可以通過使用HTML、SVG和CSS把數(shù)據(jù)鮮活形象地展現(xiàn)出來。D3嚴(yán)格遵循Web標(biāo)準(zhǔn)，因而可以讓你的程序輕松兼容現(xiàn)代主流瀏覽器并避免對特定框架的依賴。同時，它提供了強大的可視化組件，可以讓使用者以數(shù)據(jù)驅(qū)動的方式去操作DOM。

二、??????????地圖的可視化

我們的第一部分可視化使用了地圖的形式，通過將各行政區(qū)域繪制深淺不同的顏色，表示各項數(shù)據(jù)的多少。通過選擇地圖下面的選項可以切換顯示不同的數(shù)據(jù)分布。

從這樣的圖中我們可以直觀的看出人均GDP和地理位置分布的關(guān)系，東部沿海省份的經(jīng)濟發(fā)展水平明顯好于中西部地區(qū)。重慶作為一個直轄市，在中部地區(qū)的確也屬于發(fā)展比較好的。另外，內(nèi)蒙古在這張地圖上顯得比較“獨樹一幟”，不過結(jié)合人口密度分布圖來看就可以發(fā)現(xiàn)，內(nèi)蒙古因為人口密度特別低，所以人均GDP才會比較高。

再通過PM2.5的濃度圖和旅游收入的分布圖，我們還可以發(fā)現(xiàn)，空氣污染較為嚴(yán)重的地區(qū)主要分布在以京津冀為核心的華北平原，比較符合我們?nèi)粘Ｉ钪械闹庇^感受，而新疆地區(qū)的PM2.5濃度也處于一個較高的水平，可能是因為土壤沙漠化的影響。

下面介紹具體的算法：

首先介紹一下地圖繪制的方式：我們采用了SVG（可縮放矢量圖形），它是W3C頒布的一種成熟標(biāo)準(zhǔn)，用于規(guī)范網(wǎng)絡(luò)和移動平臺上的交互圖形。它能夠很好的與CSS、JavaScript等瀏覽器技術(shù)結(jié)合起來。SVG的圖像基于矢量而非像素，因此具有良好的伸縮性，使得它在任意尺寸下都不會丟失精度。

為了繪制中國地圖，我們采用了D3的線條生成器，事實上，它是使用svg:path元素實現(xiàn)的。我們在china.js中記錄下了所有省份區(qū)域邊界的頂點坐標(biāo)，并通過創(chuàng)建的path元素對線條圍出的區(qū)域進行相應(yīng)顏色的填充，同時設(shè)置了與鼠標(biāo)事件的交互。當(dāng)用戶將鼠標(biāo)移動到某個省份區(qū)域之上時，會漸變地彈出提示框，標(biāo)明了省份名稱和具體的數(shù)據(jù)信息。

???????

?????? 為了使得數(shù)值的區(qū)域顯示不同深淺的顏色，我們先將數(shù)據(jù)進行了排序，然后根據(jù)排序的名字對colormap中的顏色進行插值。由于篇幅限制，此處就不附上代碼了。具體可以參考index.html中的注釋。

?

三、??????????條形圖可視化

為了讓數(shù)據(jù)的呈現(xiàn)更加多樣化，并讓用戶可以方便地比較地區(qū)間的差異性，我們除了第一部分的地圖可視化之外，還做了條形圖的可視化。這一部分呈現(xiàn)了按照各個領(lǐng)域數(shù)據(jù)排名為標(biāo)準(zhǔn)進行度量的條形圖。

為了方便比較，我們設(shè)置了Multiples和Stacked兩種顯示方式，分別可以方便用戶比較單項指標(biāo)之間的差異和整體指標(biāo)的差異程度。

可視化界面的下方有兩排選擇按鈕，其中第一排選擇按鈕可以選擇可視化的方式是Multiples（上圖）或者Stacked（下圖）。第二排選擇按鈕則可以選擇顯示哪些數(shù)值的項目。

條形圖的可視化中，每個條形的高度與這個省份某個數(shù)值的排名成正比。我們選擇通過排名而不是具體的數(shù)值（如GDP）進行可視化是因為不同屬性間的數(shù)值差異可能很大。例如GDP的數(shù)值幾乎都在萬或者十萬的量級，而PM2.5的年平均濃度都在100以內(nèi)。為了在可視化中較好的體現(xiàn)出每個省份各種屬性所占的“比重”，以及避免某些省份在某個屬性的數(shù)值過高而導(dǎo)致其他省份的差異難以呈現(xiàn)，所以我們選擇了按照各個屬性的排名進行可視化。

從這樣的圖中可以看出一個地區(qū)包括了經(jīng)濟（人均GDP）、社會（人口密度）、環(huán)境（PM2.5年平均濃度）和文化產(chǎn)業(yè)（旅游收入）的整體社會發(fā)展水平。其中，北京、江蘇、上海三地位列前三，而西藏、甘肅兩地的發(fā)展則比較滯后。

除此以外，通過比較各個顏色在一個省份條形圖中所占的比例，也可以看出一些特征。例如，條形圖高度接近的廣東和遼寧，他們各項指數(shù)比例差異主要體現(xiàn)在廣東的旅游收入（綠色）較高，人口較多（紅色），而遼寧的PM2.5年平均濃度（灰色）占了更大的比例。這一現(xiàn)象體現(xiàn)出了遼寧是以高污染的重工業(yè)為主的發(fā)展模式，而廣東的發(fā)展模式則更加的“環(huán)境友好”。

?? 【結(jié)語】

通過上述的說明以及截圖，我們可以發(fā)現(xiàn)這些數(shù)據(jù)都被直觀地呈現(xiàn)出來。到目前為止，我們已經(jīng)生活在大數(shù)據(jù)的包圍之中，然而大量的數(shù)據(jù)難以被人們所理解，想要迅速地提取數(shù)據(jù)中的重要信息、洞悉數(shù)據(jù)中所蘊含的趨勢，數(shù)據(jù)可視化必不可少。

這次的作業(yè)是我們第一次對數(shù)據(jù)可視化進行較為系統(tǒng)的學(xué)習(xí)和使用，讓我們習(xí)得了很多新的技能，也讓我們更清楚的認(rèn)識到數(shù)據(jù)可視化的強大之處。當(dāng)我們所寫的代碼將大量的數(shù)據(jù)繪制成漂亮的圖像時，我們覺得數(shù)據(jù)可視化不僅僅是一門科學(xué)，也是一門藝術(shù)。

總結(jié)

以上是生活随笔為你收集整理的【可视化】数据仓库与数据挖掘大作业的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。