4.1　一维标量数据可视化

一维标量数据(单变量数据),顾名思义,就是可以用一个变量来表示的数据集。比如,对CPU的使用率进行随机采样所得到的数据集就是一维标量数据。

对于一维标量数据,可以通过散点图来进行可视化。所谓散点图,就是把所有的数据点都描绘在一条直线上(一般使用水平直线),数据点的值决定其在直线上的位置,如图4.1左侧为标准散点图。

图4.1　标准散点图与随机抖动散点图(https://www.daowen.com)

标准散点图存在一个问题,数据聚集的地方无法清晰地分辨出聚集程度,而值相同的数据点则会互相遮蔽从而引起误解。为此,一个有效的解决方案是对所有的散点进行随机离散化,生成抖动散点图。可以看到,与之前的散点图相比,抖动图在表示数据点的分布和聚集程度上显得更加自然。

在使用抖动图时,有两点值得注意:

(1)抖动幅度的设置。抖动幅度过小,则散点过于聚集;抖动幅度过大,则散点过于分离。两者都不利于对散点数据进行观察。

(2)数据点符号的选择。除图4.1的空心小圆环,抖动图可以用别的符号来表示数据点,如实心小三角形等。不过在数据量稍大的情况下,空心小圆环是一个很不错的选择,因为即使发生数据点的部分重合,抖动图的观察者也可以轻松地分辨出这两个数据点。