跳至主要内容

斯坦福 CS448B 02 数据

· 阅读时间约 5 分钟

TLDR

本文包含我对斯坦福 CS448B（数据可视化）课程的笔记，特别关注第二讲关于数据的内容。我将讨论不同类型的数据模型及其分类方式，以及维度和度量之间的区别。我还将介绍数据表和转换。

原文​

下载 PDF.

笔记​

总览​

数据可视化的过程

数据模型 vs. 概念模型​

  • 数据模型是形式化描述
  • 概念模型是心智构建
示例

一维浮点数 vs. 温度
三维浮点数向量 vs. 空间位置

注释

数据模型便于计算，而概念模型则作为理解的媒介。

数据模型/类型分类​

  • 一维（集合和序列）
  • 时间性
  • 二维（地图）
  • 三维（形状）
  • 多维（关系型）
  • 树（层次结构）
  • 网络（图）
注释

还有其他类型吗？

眼见为实：信息可视化的任务数据类型分类法

* 名义型、序数型和定量型 *​

示例

  • 数据模型

    • 32.5, 54.0, -17.3, …
    • 浮点数

  • 概念模型

    • 温度 (℃)

  • 名义型、序数型、定量型

    • 烧焦 vs. 未烧焦（名义型）
    • 热、温、冷（序数型）
    • 连续值范围（定量型-区间）
注释

名义型、序数型、定量型模型是确定视觉通道的最常用方法。
而视觉通道将决定图表的类型。

维度和度量​

维度：（类似自变量）

  • 通常是描述数据的离散变量（名义型、序数型）
  • 类别、日期、分箱值

度量：（类似因变量）

  • 可以聚合的数据值（定量型）
  • 待分析的数字
  • 聚合为总和、计数、平均值、标准差

区分并不严格。同一变量可能根据任务而被视为维度或度量。

示例

  • 美国人口普查数据

    • 人数：组内人数
    • 年份：1850 – 2000（每十年）
    • 年龄：0 – 90+
    • 性别：男，女
    • 婚姻状况：单身、已婚、离婚、…

  • 人口普查：名义型、序数型还是定量型？

    • 人数：定量型-比率
    • 年份：定量型-区间（序数型）
    • 年龄：定量型-比率（序数型）
    • 性别：名义型
    • 婚姻状况：名义型

  • 人口普查：维度还是度量？

    • 人数：度量
    • 年份：维度
    • 年龄：视情况而定！
    • 性别：维度
    • 婚姻状况：维度

数据表和转换​

  • 将数据表示为表格（关系）
  • 每行（元组）代表一条记录
  • 每条记录是固定长度的元组
  • 每列（属性）代表一个变量
  • 每个属性有名称和数据类型
  • 表的模式是属性名称和数据类型的集合
  • 数据库是表（关系）的集合

Pasted image 20230805151950

注释

同一类别内的所有值应保持相同的维度。
例如，如果任务是统计个体的性别，但某些人尚未出生，我们应该添加一个新类别/列来表示他们是否出生，而不是在性别类别/列中添加"未出生"这个新值。

SQL 内容​

不是我关注的重点，所以我跳过了。