5.3 高维数据的可视化交互
对于大规模高维数据的可视化来说,最大的挑战是显示空间以及数据的复杂度。解决方法往往是通过可视化交互,用户选择感兴趣的数据和调整可视化结果。常见的可视化交互方式有灰尘与磁铁、过滤、放大、画笔和链接、灵活轴线法。下面介绍这几种交互方式。
1.灰尘与磁铁
灰尘也用铁屑表示,代表的是数据点,磁铁代表属性筛选,生活中不断抖动磁铁,灰尘会向其靠近,在可视化交互中靠近的速度代表数据点在该属性上的数值大小。
2.过滤
过滤是对大规模数据采用分治法,将数据分为多个部分,集中处理重要的部分。选择重要的数据有两种方式实现:第一种是交互地浏览数据;第二种是通过滚动条等交互工具限定各类数据属性的范围。过滤镜方法是过滤法的一种形式,该方法模拟放大镜的概念,通过放大被过滤镜覆盖的区域确认并选取数据,然后对被选中的数据区域采用与其他区域不同的可视化方法。
3.放大
图5.23展示了高维数据的表格显示可视化结果,图中同时采用散点图、直方图、柱状图、文本的显示方式,其中部分表格被放大以突显细节,而文本格式则显示了具体的数据内容。
图5.23 高维数据的可视化结果(https://www.daowen.com)
4.画笔和链接
通常对同一个高维数据应用不同的可视化方法将导致多种可视化视图,而画笔和链接就是将画笔在某个视图中选取的数据属性和范围自动与其他视图链接,并在其他视图中显示被选中的内容。例如,在点视图中选取若干个数据点,被选中的数据将在其他视图中通过突出颜色、尺寸或形状的形式被自动高亮。
5.灵活轴线法
高维数据的可视化方法中很多都用到了轴线,如散点图的坐标和平行坐标中的平行轴线。灵活轴线法允许轴线自由地设置和布局,并提供了一种交互机制允许用户在屏幕上绘制轴线、选择轴线的对应关系,并选择常用的可视化方法。图5.24展示了灵活轴线法绘制的来自三个产地的汽车数据。在左图中若用户对加速度大、节能的汽车感兴趣,可以选择散点图探索加速度和MPG的关系。右图中选择加速度大且MPG高的类型,可以看出这些车的质量都比较小。
图5.24 三个产地的汽车数据示例
上面介绍了四类高维数据可视化方法,下面以表格的形式来对比这些方法,如表5.2所示。
表5.2 四种不同高维可视化方式的对比
