大数据时代下的今天，数据井喷似的增长，分析人员将这些庞大的数据汇总并进行分析，而分析出的成果如果是密密麻麻的文字，相信没有几个人能耐心看下去，所以我们就需要将数据可视化，所谓有图有真相，用图表甚至动态图的形式将数据更加直观的展现给用户，减少用户的阅读和思考时间，以便很好地做出决策。
接下来本文就从几个方面去讲解数据可视化的一些技巧，顺便带大家领略一下可视化的风采。
数据可视化1：错综复杂散点图
散点图，在图表界有万表之王的称号。
美国权威心理学专刊《Journal of the History of the Behavioral Sciences》(评价散点图：“most versatile, polymorphic, and generally useful invention in the history of statistical graphics”这是信息图表史上功能最多，形式多样，应用范围极为广阔的一个伟大发明!
散点图能获此评价，绝对不是吹出来的。正如它的名字一样，散点图，可以一堆纷乱如麻，看似无迹可寻的数据显示出内在的关系逻辑来。散点图已经不仅仅是一个图表了，它已经演化为一个强大的分析工具，可以这么说，散点图，就是为大数据而生的!
1.散点图的前世今生
散点图，是绘制在X轴和Y轴坐标系中，可以同时表述两个变量的一组数据点。这些大量的数据点组合在一起，形成了一些形状，揭示了数据背后的相关信息。散点图溯源，散点图的出现如同它的名字一样，散乱不堪，无法理出一个有序的线索出来。
其实，对于散点数据的的视觉化应用，由来已久。好几百年以来，人们一直将这些点放置在地图，或者笛卡尔坐标系中。后来人们逐渐意识到，当这些数据以不同参数，放置在直角坐标系中，很多不为人知的故事会偷偷地浮现出来。于是，散点图逐渐开始流传开来。散点图，是广大数据民工在长期的生产实践中，通过不断的探索和研究，最终发明出来的。散点图从一开始的默默无闻，到最后轰动科学界，直到最后加冕图表之王，其实也就是百十年的事。但是通过散点图带来的很多伟大的发现，则彻底改变了我们的世界观，推动了科学的发展。
数据可视化2：似曾相识面积图
面积图正如我们平时所看到的大山那样，斗转星移沧海桑田，山依然是山。看上去样子都差不多，但是仔细读来，却又内藏玄机。面积图也是一种随着时间变化的图表，而且很稳重。无论你是要梳理出每个月各部门的净收益，或者想看看从上世纪50年代以来各个音乐流派的普及流行程度，相信我，在那些与时间相关的图表中，没有什么比面积图都可以更满足你的需求了。下面就让我们来好好认识一下这个似曾相识的面积图吧!
1.了解面积图
面积图描绘了时间序列的关系，不过与线型图不同，它还可以很直观地表示面积大小的不同。
信息被标示在两个轴之间，通过线段将数据点连缀起来，到这里为止，似乎和折线图没有什么不同。但是一旦我们将这条折线和轴之间的区域涂上颜色的话，意义就不一样了。一般面积图用与对两种或者两种以上的类别进行比较。
2.面积图溯源
威廉.普莱菲尔——信息图表的鼻祖!
就是他，发明了饼图、条状图以及，没错，还有马上要说的面积图!
1786年，商业与政治图表 史上第一张面积图
3.面积图的使用
关注大数据观察网(微信公众号：shuju_net)了解更多精彩资讯
面积图是用来表述多类别整体运行趋势的完美之选，所以不要试图用它来展示单一的值。我们也常常用堆积面积图来展示多类别中部分与整体的关系，或者同系列累计的值。面积图有三种不同的形态，根据数据以及背景的不同，均有其最佳的展示环境。
数据可视化3：绚丽多彩矩阵图
矩阵图就是从多维问题的事件中，找出成对的因素，排列成矩阵图，然后根据矩阵图来分析问题，确定关键点的方法，它是一种通过多因素综合思考，探索问题的好方法从问题事项中，找出成对的因素群，分别排列成行和列，找出其间行与列的相关性或相关程度的大小的一种方法。
1.了解矩阵图
在目的或结果都有二个以上，而要找出原因或对策时，用矩阵图比其他图方便。
矩阵图着眼于由属于行的要素与属于列的要素所构成之二元素的交点:
1.从二元的分配中探索问题的所在及问题的型态。
2.从元的关系中探求解决问题的构想。
在行与列的展开要素中，要寻求交叉点时，如果能够取得数据，就应依定量方式求出;如果无法取得数据时，则应依经验转换成资讯，再决定之，所以决策交叉点时，以全员讨论方式为之，并能在矩阵图旁注上讨论的成员、时间、地点及数据取得方式等简历，以便使用参考。
有时候交叉点的重要度各不相同，因此可用各种记号区别之。
数据可视化4：神秘拓扑图
拓扑结构图是指由网络节点设备和通信介质构成的网络结构图。 在选择拓扑结构时，主要考虑的因素有：安装的相对难易程度、重新配置的难易程度、维护的相对难易程度、通信介质发生故障时，受到影响的设备的情况。
