有哪些生物信息方面大数据的可视化案例_百度知道
有哪些生物信息方面大数据的可视化案例
我有更好的答案
车豪宅样样有： “信息金融已没落，分析基因组，唾沫横飞掐指数， 招生老师笑满目，把数据和生物联系起来，主要是生物概念和软件，主要有分析思路的设计。” 高考鲤鱼跃龙门，以及其他设备， 昂首入学很兴奋，虽然也是不怎么能看。应该是生物类里面就业最好的了、数学统计，不过其他生物类更是不行，生物世纪不会错，疾病之类、现有软件等手段来得到实验结论，不过生信不太强调编程能力，完全渣，傲然投身生物军，选好专业将国报。本行就是做生物信息的工作。 数据大多来源于DNA测序仪。 生物信息工程师就是做这部分工作的、实现等。自古豪杰出年少，实验下游的数据分析部分需要借助计算机编程，虽然现在还没发展好，一朝生物技在手，不过几年以后应该还是有一定前景的，所以要自学一些生物学研究时
为您推荐：
其他类似问题
您可能关注的内容
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。豆丁微信公众号
君，已阅读到文档的结尾了呢~~
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
大数据时代下生物信息技术在生物医药领域的应用前景
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='http://www.docin.com/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口暂无话题描述关注话题分享阅读全文3添加评论分享收藏阅读全文3添加评论分享收藏阅读全文3添加评论分享收藏阅读全文17 条评论分享收藏感谢阅读全文3添加评论分享收藏感谢1,407生物信息学 Bioinformatics阅读全文关注话题分享阅读全文2.8K215 条评论分享收藏阅读全文47834 条评论分享收藏感谢阅读全文44031 条评论分享收藏感谢阅读全文41838 条评论分享收藏感谢阅读全文40874 条评论分享收藏40,150&figure&&img src=&https://pic2.zhimg.com/v2-00f6a6bf7f_b.jpg& data-rawwidth=&589& data-rawheight=&435& class=&origin_image zh-lightbox-thumb& width=&589& data-original=&https://pic2.zhimg.com/v2-00f6a6bf7f_r.jpg&&&/figure&&p&Python爬虫现如今已经越来越吃香了，随意打开一个招聘网站从薪资水平来看，入门的爬虫工程师都能拿到15k以上，爬虫架构相关的都能拿到30k以上，我们还有什么理由去拒绝爬虫呢？当然，除非你跟钱过意不去。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-3fbd_b.png& data-rawwidth=&966& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&966& data-original=&http://pic1.zhimg.com/v2-3fbd_r.png&&&/figure&&p&&br&&/p&&p&所以秉着让更多想转行学习Python爬虫的的同学快速学习、让更多的小伙伴拿到高薪我整理了一份非常完善的Python爬虫的电子书。&/p&&p&之前在知乎写分享已经有一年多，一直有朋友说我的回答和文章能整理成书籍了一直偷懒没做，也有出版社的小伙伴找我把这些内容做成书都被我拒绝了。所以也是借着这个机会仔细整理了知乎上的回答和文章另外也添加了一些新的内容，完成了几本小小的电子书，这一本比较小一部分是有关于Python方面的，主要内容还是Python爬虫。&/p&&p&这本书主要内容是Python入门，以及Python爬虫入门和Python爬虫进阶，以下这是这本电子书的一个主要的目录：&/p&&figure&&img src=&http://pic2.zhimg.com/v2-00f6a6bf7f_b.png& data-rawwidth=&589& data-rawheight=&435& class=&origin_image zh-lightbox-thumb& width=&589& data-original=&http://pic2.zhimg.com/v2-00f6a6bf7f_r.png&&&/figure&&p&这本书除了一些自己的学习、面试感悟之外，还有很多包括书籍方面的资源、教程方面的学习资源，为了克服选择困难症，我在选择教程或者书籍的时候尽量保证了资源少但是精准，能用最少最精华的教程让大家快速入门Python以及比较熟悉的使用Python爬虫。&/p&&p&如果你能用心用2-3个月的时间认真研读这本电子书，并且学习这本书上推荐的一些教程和书籍，相信你一定能找到一份不错的Python爬虫工作。&/p&&p&你可以在微信公众号「&b&一个程序员的日常&/b&」后台回复关键词「&b&1&/b&」获取这本电子书！&/p&
Python爬虫现如今已经越来越吃香了，随意打开一个招聘网站从薪资水平来看，入门的爬虫工程师都能拿到15k以上，爬虫架构相关的都能拿到30k以上，我们还有什么理由去拒绝爬虫呢？当然，除非你跟钱过意不去。 所以秉着让更多想转行学习Python爬虫的的同学快速…
19/02/2016&br&真心感谢大家的支持和鼓励。评论没有时间一一回复，真的不好意思。对于很多的问题，我的回答是，我每天都很庆幸当初选择了留学，更庆幸得到父母的支持。我工作到两年，可以给他们减轻之前很大的负担。我本是一个很爱旅游的人，上学的时候没有时间到处看看；现在工作了，我的年假基本都是一半回国，一半旅游。比较平衡的工作生活节奏让我也有时间学习其他的兴趣爱好和语言；虽然生活在异国，努力并且逐渐融入多元文化的圈子也是充满乐趣的。其实，那些留下来的中国学生，包括我，从来也没觉得英国有多好；只是觉得无论到哪里，只要不是回家乡，也都一样是漂泊异乡；既然来到了一个地方，也花了一两年很努力地去适应，并且很幸运可以继续，那就继续吧。&br&&br&我已经计划今年九月重新回到学校用一半时间开始我的第二个master的学习，专业是Finance，希望有机会跟大家多多交流学习和工作。祝所有正在努力的你们梦想达成！&br&&br&－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－&br&&br&楼主你好，&br&&br&看到你的问题，我突然有些感触。删了又写，写了又删，有点语无伦次，望见谅。&br&&br&首先简单说说我的情况。前年，父母借了几十万，供我来英国留学。一年后我毕业了，现在在伦敦工作生活。和其他留学生的“体验式”留学相比，我的经历和见识不可谓不单薄。&br&&br&我前年来英国，是我第一次出国。出国前寝食难安，无法想象在一个完全陌生的国家怎么生活和学习，会不会交流不了，老师讲课听不懂怎么办，毕不了业岂不是白读了一年。其实这些都发生了，上学的那一年，确实英语不好（尤其是口语），上课听懂一半已经是奇迹（剩下不懂的，反复听录音），作业也有拿过E的（不及格了，好像F是最低分），有几门考试题目看上去都有种深深的绝望感。我是转专业过来学习计算机的，我的同学们大部分都是工作了几年再回来进修的各种牛人。刚开学不久要分组做课程project，大家听说我是转专业的，都不太愿意想跟我组队。最后我是跟几个同是转专业的苦孩子一起的。我们第一个coursework拿了E，第二个B，最后一个A+。&br&&br&对于我来说，记忆中的留学生活，就是南肯辛顿的冷风和阳光。冷风是每天晚上凌晨离开图书馆的吹走我疲惫的寒意；阳光是每天早晨到学校之前重新燃起的希望。我每天都在打击中醒来，打击中睡去。我深知自己基础不好，所以只能花别人玩耍的时间去学习。我记得冬天的一天晚上，我从图书馆出来，已经一点多了。我走在街上，昏黄的路灯下，只有我一个人影；我坐在公交车上，看着这个陌生的城市，突然想流泪，忍住了。&br&&br&我在上学这一年，伦敦以外的地方就只去过Brighton一次。同学好几次叫我办申根一起去欧洲玩，我都没有时间去。圣诞假忙着写代码和报告，复活节是团队项目，暑假做毕设和恶补各种基础知识。也许你们会觉得这样子的留学生活很可惜，但是我今天看来，那似乎是我的唯一选择。&br&&br&去年九月，我答辩完第二天，就搬到了东伦敦的一个低价房子住。很多人都说我这种非计算机背景的毕业生是基本不可能在英国找到工作的。我当时也没有信心，只是觉得来都来了，苦都苦过了，也不差再多这几个月了。那是我最痛苦的两个月，也是最充实的两个月。每天从八点到晚上十一点，研究网申，练习面试，补充知识。我曾经在岛上的农场上练习口语从白天到天黑，也曾经凌晨四点起来面试一个总部在新加坡的公司；也不记得多少个轻蔑的冷眼，多少个不满的摇头，多少个“鼓励式”的拒绝。那个时候，每隔两三天都会收到拒信。但是每天太阳照进来，我都会振作精神，泡一杯咖啡，积累新一天的希望。现在我回忆起来，都清晰记得那一幕：穿上正装，背上书包，迎着阳光，面带微笑，登上开向金融城的轻轨。 最后一次重复，在面试现场拿到了offer。我从公司出来，异常的冷静，之间幻想过各种疯狂的举动，都没有做，只是看看天空， 长长地舒了一口气。拨通了电话，我没哭，我妈哭了。&br&&br&我留学的故事就是这样了。一点都不华丽，不精彩。但那一段隐忍的奋斗岁月，足以让我回忆和感动一生。&br&&br&但愿能对楼主的决定有一点点的帮助。
19/02/2016 真心感谢大家的支持和鼓励。评论没有时间一一回复，真的不好意思。对于很多的问题，我的回答是，我每天都很庆幸当初选择了留学，更庆幸得到父母的支持。我工作到两年，可以给他们减轻之前很大的负担。我本是一个很爱旅游的人，上学的时候没有时…
&figure&&img src=&https://pic3.zhimg.com/779aa705b1ded5f86d662_b.png& data-rawwidth=&653& data-rawheight=&681& class=&origin_image zh-lightbox-thumb& width=&653& data-original=&https://pic3.zhimg.com/779aa705b1ded5f86d662_r.png&&&/figure&&figure&&img src=&https://pic2.zhimg.com/16b31ac9b18d_b.png& data-rawwidth=&607& data-rawheight=&677& class=&origin_image zh-lightbox-thumb& width=&607& data-original=&https://pic2.zhimg.com/16b31ac9b18d_r.png&&&/figure&&figure&&img src=&https://pic4.zhimg.com/3e45f9f1c213e462cd6e3317a0aae83f_b.png& data-rawwidth=&572& data-rawheight=&658& class=&origin_image zh-lightbox-thumb& width=&572& data-original=&https://pic4.zhimg.com/3e45f9f1c213e462cd6e3317a0aae83f_r.png&&&/figure&比如像这样子的数据化新闻就会让人很容易理解了，新闻也清晰，毕竟各大阶层的文化水平不一致，~~~~(&_&)~~~~因为没办法保存图片，只好给你们截图了，如果想要原图或者更多的，你们自己去研趣网找吧，图片上有网址的
比如像这样子的数据化新闻就会让人很容易理解了，新闻也清晰，毕竟各大阶层的文化水平不一致，~~~~(&_&)~~~~因为没办法保存图片，只好给你们截图了，如果想要原图或者更多的，你们自己去研趣网找吧，图片上有网址的
个人观点。。。&br&数据可视化更符合人脑的吸收方式，我们看到文字和数据的时候都需要转化为图像重组进行理解，而数据可视化直接建立了这种联系，直接从全局俯视下去，能够马上的理解不同对象的比例关系。至于是易读还是复杂完全就是看作者的目的是满足垂直需求还是展示全局数据或者纯粹为了好玩和炫耀。
个人观点。。。 数据可视化更符合人脑的吸收方式，我们看到文字和数据的时候都需要转化为图像重组进行理解，而数据可视化直接建立了这种联系，直接从全局俯视下去，能够马上的理解不同对象的比例关系。至于是易读还是复杂完全就是看作者的目的是满足垂直需…
这全看数据的复杂程度、大小、读者的类型和设计师呈现的功力了。数据可视化最根本的目标就是让人们即使对数字不敏感也能明白某个数据集是关于什么、有哪些重点的。&br&&ul&&li&有些数据虽然不小，但是信息明确，简单直接，如华盛顿邮报做的Super Zips：&a href=&//link.zhihu.com/?target=http%3A//www.washingtonpost.com/sf/local//washington-a-world-apart/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Washington: A world apart&/a&
数据基于美国各地邮编来展示贫富程度，可视化的界面是这样的：&/li&&/ul&&figure&&img src=&https://pic1.zhimg.com/22fb6ce4ab495e211c622c_b.jpg& data-rawwidth=&1110& data-rawheight=&665& class=&origin_image zh-lightbox-thumb& width=&1110& data-original=&https://pic1.zhimg.com/22fb6ce4ab495e211c622c_r.jpg&&&/figure&&br&上图的可视化相当于一个snapshot，让你先有个大局观，然后再搜索自己住处的邮编或者八卦其他地方的贫富程度。&br&这背后的数据处理加添加地理信息还是需要一定工程量的，但是结合了标题、导语、标示和搜索栏的整体设计让人非常容易地知道这个数据集讲的是什么东西。&br&&br&&ul&&li&有些数据的呈现方式充满了各种可能性，取得怎样的解释效果也都取决于读者类型。如Google做的全球网络攻击数据可视化：&a href=&//link.zhihu.com/?target=http%3A//www.digitalattackmap.com/%23anim%3D1%26color%3D0%26country%3DALL%26time%3D16151%26view%3Dmap& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Digital Attack Map&/a& 背后的数据和技术都非常牛、界面呈现了很多信息，甚至补充了实时的网络相关报道。&/li&&/ul&&figure&&img src=&https://pic3.zhimg.com/adbe878aafcbb104bfd864db2d74223e_b.jpg& data-rawwidth=&1023& data-rawheight=&694& class=&origin_image zh-lightbox-thumb& width=&1023& data-original=&https://pic3.zhimg.com/adbe878aafcbb104bfd864db2d74223e_r.jpg&&&/figure&&br&但乍看之下，它的阐释对我来说并不够。作为一个普通读者，我不懂图例中的TCP Connection是什么，我有时间去注意页面右上方的tabs吗？有耐心仔细读下来所有信息吗？并不一定。对于想要快餐的读者来说，这个可视化是让人迷惑的，在三分钟内我并不能理解80%的概念；但是有深度兴趣的读者来说，这个可视化是一个功能强大的数据库，我可以自己探索数据、可以慢慢了解相关概念，甚至可以知道这个项目是怎么做出来的。&br&&br&&b&因此，不同类型的读者对于同一个可视化作品可以给出完全不同的分数和评论。你所认为的“复杂”可以是我所认为的“有深度”，话题是否大众、普及也很关键。&/b&&br&&br&&ul&&li&最后一个例子是一张关于战争死亡人数的信息图：&/li&&/ul&&figure&&img src=&https://pic3.zhimg.com/c83a03ec3b6a43d076c834a_b.jpg& data-rawwidth=&1000& data-rawheight=&650& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&https://pic3.zhimg.com/c83a03ec3b6a43d076c834a_r.jpg&&&/figure&&br&这个可视化是非常美学和艺术导向的，背后的数据可以用完全不同的呈现方式。我从这个可视化里得到非常具体的信息了吗？并没有，即使对于某一朵花背后的信息很好奇，我并不能直接从图中得到答案。可是对我而言，这幅可视化作品非常优秀。即使它没有揭示数据点，没有互动的功能，它的设计是如此出众和具有感染力，足以让我跳出图中局限的主题、有所启发、思考一些即使没有答案也值得想想的“无用”问题。&br&&br&&b&不要着急要一个答案、下一个结论，我们需要的是寻找答案的过程本身。&/b&
这全看数据的复杂程度、大小、读者的类型和设计师呈现的功力了。数据可视化最根本的目标就是让人们即使对数字不敏感也能明白某个数据集是关于什么、有哪些重点的。 有些数据虽然不小，但是信息明确，简单直接，如华盛顿邮报做的Super Zips：
数据可视化肯定是使数据更加的易读，易分析，感觉复杂的话肯定是没有做好可视化的视图类型的选择的，不同的数据或是不同的分析需求肯定是需要不同的可视化的展现的，看看这些效果图，&a href=&//link.zhihu.com/?target=http%3A//www.moojnn.com/index.php/Index/example& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&魔镜—行业领先的大数据可视化分析平台&/a&&figure&&img src=&https://pic4.zhimg.com/9123b0bef6c18b3d81a3_b.jpg& data-rawwidth=&1262& data-rawheight=&775& class=&origin_image zh-lightbox-thumb& width=&1262& data-original=&https://pic4.zhimg.com/9123b0bef6c18b3d81a3_r.jpg&&&/figure&&br&&figure&&img src=&https://pic2.zhimg.com/daaab715_b.jpg& data-rawwidth=&1265& data-rawheight=&1284& class=&origin_image zh-lightbox-thumb& width=&1265& data-original=&https://pic2.zhimg.com/daaab715_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/10eaeddcd982cf45fd458_b.jpg& data-rawwidth=&1256& data-rawheight=&1341& class=&origin_image zh-lightbox-thumb& width=&1256& data-original=&https://pic1.zhimg.com/10eaeddcd982cf45fd458_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/7de8ab9f3ca06db1e35b_b.jpg& data-rawwidth=&1220& data-rawheight=&754& class=&origin_image zh-lightbox-thumb& width=&1220& data-original=&https://pic3.zhimg.com/7de8ab9f3ca06db1e35b_r.jpg&&&/figure&
数据可视化肯定是使数据更加的易读，易分析，感觉复杂的话肯定是没有做好可视化的视图类型的选择的，不同的数据或是不同的分析需求肯定是需要不同的可视化的展现的，看看这些效果图，
所谓大数据可视化是以我司为代表的一批厂商忽悠出来的概念，所谓技术和艺术的融合混搭，其实没有融合只是混搭，就是找一些水平较高的视觉设计师，用点图形学技术，把传统的数据驱动的仪表板做个看起来高端的包装。你说它有价值吧也有一点，但基本上还是浮在表面，很难深入下去。&br&现在我司自己都不提可视化了，觉得价值感不够，也不容易挣大钱。&br&最后，放我司基因可视化app画面镇楼，核心代码是我自己写的，毋庸讳言，这是对mygenome的赤裸裸抄袭。&br&&figure&&img src=&https://pic2.zhimg.com/d6a38b9d8e19fe63d140e9_b.png& data-rawwidth=&1275& data-rawheight=&714& class=&origin_image zh-lightbox-thumb& width=&1275& data-original=&https://pic2.zhimg.com/d6a38b9d8e19fe63d140e9_r.png&&&/figure&
所谓大数据可视化是以我司为代表的一批厂商忽悠出来的概念，所谓技术和艺术的融合混搭，其实没有融合只是混搭，就是找一些水平较高的视觉设计师，用点图形学技术，把传统的数据驱动的仪表板做个看起来高端的包装。你说它有价值吧也有一点，但基本上还是浮在…
数据可视化是一个历史悠久的话题，并非因为最近大数据火了才出现。&br&本文简单举几个例子，配以可视化的图片，从而帮助理解可视化的历史，重温和展望经典。&br&1. 拿破仑东征俄罗斯，兵力变化图，最初大军出发，分了一小股军队后主力继续前行，杀到莫斯科后折返，变成黑色线，与早期分兵汇合后返回法国。作为全面战争拿破仑玩家，看到这张图真是心在滴血啊。&br&&figure&&img src=&https://pic3.zhimg.com/e9353313fea716d98fe82_b.jpg& data-rawwidth=&996& data-rawheight=&487& class=&origin_image zh-lightbox-thumb& width=&996& data-original=&https://pic3.zhimg.com/e9353313fea716d98fe82_r.jpg&&&/figure&&br&2. &a href=&//link.zhihu.com/?target=http%3A//baike.baidu.com/subview/4.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&弗洛伦斯·南丁格尔&/a&绘制的，此人是谁请自行查询。该图生动的体现了战争不同阶段，人员死亡的原因。&br&&figure&&img src=&https://pic4.zhimg.com/4c1bb09c52dbc5d5b413_b.jpg& data-rawwidth=&380& data-rawheight=&437& class=&content_image& width=&380&&&/figure&&br&3. 除了数据的图表化，图形的体现方式也是可视化的关键，我们经常看到的地铁抽象图，对比实际比例图，会发现实际比例图的城市核心区内容过于密集，导致信息不可视。&br&&figure&&img src=&https://pic1.zhimg.com/cafc1d2ebbff11a615de858_b.jpg& data-rawwidth=&889& data-rawheight=&630& class=&origin_image zh-lightbox-thumb& width=&889& data-original=&https://pic1.zhimg.com/cafc1d2ebbff11a615de858_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/5034b0ebe1a99f28e5a5_b.jpg& data-rawwidth=&1009& data-rawheight=&855& class=&origin_image zh-lightbox-thumb& width=&1009& data-original=&https://pic2.zhimg.com/5034b0ebe1a99f28e5a5_r.jpg&&&/figure&4. 数据中心温度采集，&a href=&//link.zhihu.com/?target=http%3A//www.uinnova.cn/product-udcv& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据中心可视化管理平台&/a&，同为3D界面，同为二维展示，前者罗列数据，后者温度云图，实际应用起来，可以清楚的判断热点，设备新上架时方便规避。&br&&figure&&img src=&https://pic3.zhimg.com/21701ecf5e34d_b.jpg& data-rawwidth=&960& data-rawheight=&455& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic3.zhimg.com/21701ecf5e34d_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/1a9afc59e64aeca5ddf1a774bfffbff1_b.jpg& data-rawwidth=&960& data-rawheight=&455& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic2.zhimg.com/1a9afc59e64aeca5ddf1a774bfffbff1_r.jpg&&&/figure&&br&5. &a href=&//link.zhihu.com/?target=http%3A//www.uinnova.cn/product-uita& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&IT逻辑可视化&/a&，业务应用图、网络拓扑、物理设备在三维界面互联互通，故障定位和业务影响分析的利器，比很多单层的IT管理软件直观很多，从而大幅提升效率。（传说中工行IT在金融业的领先地位真不是盖的）&br&&figure&&img src=&https://pic2.zhimg.com/3fbc7f3f2fa000ccdf3dfedccea41459_b.jpg& data-rawwidth=&960& data-rawheight=&455& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic2.zhimg.com/3fbc7f3f2fa000ccdf3dfedccea41459_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/e163dbaff9e3b464a1dd5b448c40d851_b.jpg& data-rawwidth=&960& data-rawheight=&455& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic2.zhimg.com/e163dbaff9e3b464a1dd5b448c40d851_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/c0ffbeaf6fac4ad1f1aa8_b.jpg& data-rawwidth=&960& data-rawheight=&455& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic1.zhimg.com/c0ffbeaf6fac4ad1f1aa8_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/c1b46845dcaeec54ac7f8f5aa2c06128_b.jpg& data-rawwidth=&960& data-rawheight=&455& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic1.zhimg.com/c1b46845dcaeec54ac7f8f5aa2c06128_r.jpg&&&/figure&&br&最后总结一下，从古至今，可视化一直是存在的，数据可视化在如今IT和互联网越来越发达的情况下火爆起来，对于人类认知和管理新世界，必定起到关键作用。
数据可视化是一个历史悠久的话题，并非因为最近大数据火了才出现。 本文简单举几个例子，配以可视化的图片，从而帮助理解可视化的历史，重温和展望经典。 1. 拿破仑东征俄罗斯，兵力变化图，最初大军出发，分了一小股军队后主力继续前行，杀到莫斯科后折返…
题主提到的是可视化“大数据”，但实际上我们可视化的东西并不是大数据本身，而是已经是去噪、分析、处理之后的“小数据”了。这里我就不介绍分析过程，只是聊聊&b&可视化。&/b&&br&&br&------------------------------------------------------------------&a href=&//link.zhihu.com/?target=http%3A//d3js.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&D3.js&/a&-------------------------------------------------------------------&br&&br&楼上多位答主提到了D3.js，我个人也非常推荐他，但这里就不重复介绍了。推荐几个案例：&br&&br&&b&1. &a href=&//link.zhihu.com/?target=http%3A//bost.ocks.org/mike/nations/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&The Wealth & Health of Nations&/a&&/b&（显示年期间收入和预期寿命的动态图，非常赞）&br&&figure&&img src=&https://pic1.zhimg.com/feff5b421268_b.jpg& data-rawwidth=&1125& data-rawheight=&616& class=&origin_image zh-lightbox-thumb& width=&1125& data-original=&https://pic1.zhimg.com/feff5b421268_r.jpg&&&/figure&&br&&br&&b&2. &a href=&//link.zhihu.com/?target=http%3A//www.nytimes.com/interactive//business/dealbook/how-the-facebook-offering-compares.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&The Facebook Offering: How It Compares&/a&&/b&（Facebook IPO市值和其他科技公司的比较）&br&&figure&&img src=&https://pic1.zhimg.com/2a1ac2506ecdeee55f342a070eb6b4fc_b.jpg& data-rawwidth=&934& data-rawheight=&532& class=&origin_image zh-lightbox-thumb& width=&934& data-original=&https://pic1.zhimg.com/2a1ac2506ecdeee55f342a070eb6b4fc_r.jpg&&&/figure&&br&--------------------------------------------------------------------&a href=&//link.zhihu.com/?target=http%3A//dc-js.github.io/dc.js/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&dc.js&/a&-----------------------------------------------------------------&br&&br&嫌D3太复杂，还有一个更简单的开源版本&a href=&//link.zhihu.com/?target=http%3A//dc-js.github.io/dc.js/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&d&/a&c.js。基本上dc.js是将D3和&a href=&//link.zhihu.com/?target=http%3A//square.github.io/crossfilter/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Crossfilter&/a&封装起来。如果说D3是需要真正编程去“画”图，那dc.js只需要你用一些配置去指定图表的样式。在集成了Crossfilter，更可以将多个图表分为一组，使得对一个图标的操作可以同时联动其余的图表。&br&&br&例如在下图中，点击最上面图表的任何一个圆圈（选中年份）会导致整个页面的其他图表跟着刷新，只显示该年份的数据。&a href=&//link.zhihu.com/?target=http%3A//dc-js.github.io/dc.js/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&点此预览&/a&&br&&figure&&img src=&https://pic4.zhimg.com/7fd78e97ed6bcce3c48fe1e_b.jpg& data-rawwidth=&1024& data-rawheight=&841& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic4.zhimg.com/7fd78e97ed6bcce3c48fe1e_r.jpg&&&/figure&&br&--------------------------------------------------&a href=&//link.zhihu.com/?target=http%3A//www-958.ibm.com/software/data/cognos/manyeyes/visualizations/upload-flower& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&IBM Many Eyes&/a& (Cognos)----------------------------------------------------&br&&br&终于到给公司打广告的时间了， &a data-hash=&e6a4bece8dc2cecf79bdab792cc3d036& href=&//www.zhihu.com/people/e6a4bece8dc2cecf79bdab792cc3d036& class=&member_mention& data-editable=&true& data-title=&@Yamei& data-tip=&p$b$e6a4bece8dc2cecf79bdab792cc3d036& data-hovercard=&p$b$e6a4bece8dc2cecf79bdab792cc3d036&&@Yamei&/a& 居然没提到IBM自己的产品，你这么无情Ginni知道么。。&br&&a href=&//link.zhihu.com/?target=http%3A//www-958.ibm.com/software/data/cognos/manyeyes/visualizations/upload-flower& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&IBM Many Eyes&/a&是基于RAVE(Rapidly Adaptive Visualization Engine)。我不知道介绍内部产品的尺度是多少，但大概RAVE是一套从后台Java到前台Javascript都包含的可视化引擎。不过这货我没用过，只能截截图忽悠忽悠大家了。点击&a href=&//link.zhihu.com/?target=http%3A//www-958.ibm.com/software/data/cognos/manyeyes/visualizations& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&这里&/a&体验更多。&br&&figure&&img src=&https://pic3.zhimg.com/762920bbbbd765c878d94a51cefe8282_b.jpg& data-rawwidth=&1221& data-rawheight=&636& class=&origin_image zh-lightbox-thumb& width=&1221& data-original=&https://pic3.zhimg.com/762920bbbbd765c878d94a51cefe8282_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/163a513bea1c33_b.jpg& data-rawwidth=&1203& data-rawheight=&633& class=&origin_image zh-lightbox-thumb& width=&1203& data-original=&https://pic4.zhimg.com/163a513bea1c33_r.jpg&&&/figure&&br&&br&----------------------------------------------------&a href=&//link.zhihu.com/?target=http%3A//www.r-project.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&The R Project&/a&（R语言）-----------------------------------------------------&br&&br&抛开以上基于Web的，R语言也是分析可视化很好的选择。R语言强大之处是他适合真正去操作分析大数据（是的！某种角度可以替代SPSS！），再生成图表，唯一缺点就是对编程能力要求很高，而且图表谈不上漂亮。&br&&figure&&img src=&https://pic4.zhimg.com/cdefae48ec6ef_b.jpg& data-rawwidth=&641& data-rawheight=&480& class=&origin_image zh-lightbox-thumb& width=&641& data-original=&https://pic4.zhimg.com/cdefae48ec6ef_r.jpg&&&/figure&&br&&br&&br&以上。有想到新的再补充。
题主提到的是可视化“大数据”，但实际上我们可视化的东西并不是大数据本身，而是已经是去噪、分析、处理之后的“小数据”了。这里我就不介绍分析过程，只是聊聊可视化。 --------------------------------------------------------------------------…
processing官网上有大量推荐书。我一定要提Daniel Shiffman的两本书，因为实在太好了。&br&&br&先说我看过的，第二本&br&&figure&&img src=&https://pic2.zhimg.com/da00d62aad023bcc7c6689_b.jpg& data-rawwidth=&195& data-rawheight=&240& class=&content_image& width=&195&&&/figure&&figure&&img src=&https://pic3.zhimg.com/9744d5bbecf3f4ca0d86f383e282b692_b.jpg& data-rawwidth=&265& data-rawheight=&241& class=&content_image& width=&265&&&/figure&此书简直是我读过所有技术书籍中的翘楚。从最最基本的物理运动讲起，一步一步教你用代码写一个有自我意识的生态系统！而且，此书完全免费&a href=&//link.zhihu.com/?target=http%3A//natureofcode.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&The Nature of Code&/a&（Donate plz）。读此书一半，你已可以开发愤怒的小鸟，读完全书，AI的大门已入。全书浅显易懂（老外写书一惯特点），结构紧凑。最重要的是，此书封面太棒了，一流平设水准，甩大部分技术类书籍封面数条街，甩国内各类书.....当时完全因为封面而读，继而爱上此书（不好意思跑题了）。&br&&br&跑远了，回来说基础的。 Shiffman第一本书&br&&figure&&img src=&https://pic4.zhimg.com/404ff4944bfaa1d9b51dbb_b.jpg& data-rawwidth=&200& data-rawheight=&295& class=&content_image& width=&200&&&/figure&不好意思。因为讲的是代码基础，没有看过。但是此书封面依然一流水准,纹理字体排版配色都恰到好处（不好意思又跑题了）。不过以第二本书Shiffman的写作风格来看，一定是事无巨细，非常细致的讲解Processing的各个部分的基础知识。强烈推荐题主以此书作为入门读物。&br&&br&另外国内貌似流行这本作为入门&br&&figure&&img src=&https://pic4.zhimg.com/a9b7cbc9a3_b.jpg& data-rawwidth=&198& data-rawheight=&258& class=&content_image& width=&198&&&/figure&没有看过。但是被诸多人士推荐，应该值得一看吧。国内应该会有相关中文资源。封面也很不错啊，processing感扑面而来（不过意思再次跑题）&br&&br&最后，还要提一本。&br&&figure&&img src=&https://pic1.zhimg.com/30cfec3b52e0_b.jpg& data-rawwidth=&198& data-rawheight=&276& class=&content_image& width=&198&&&/figure&是不是突然发现怎么封面如此混乱。原因是，此书主题在于用数据生成视觉，此书封面是生成的，而且封面只是生成结果的一部分。（那些彩色线后面，连着更多内容呢）。此书主要就是各种视觉实例。由简至繁，包含了许多绚丽实例的细致说明和源码，非常丰富，非常详细。另外，开篇给了几十个相关的艺术作品。&br&&br&当然&a href=&//link.zhihu.com/?target=http%3A//processing.org& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&processing.org&/span&&span class=&invisible&&&/span&&/a&上论坛&a href=&//link.zhihu.com/?target=http%3A//forum.processing.org/two/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&http://forum.processing.org/&/a&里艺术家、设计师、程序员们也都是非常热心的，有问题尽管问。&br&另外&a href=&//link.zhihu.com/?target=http%3A//www.openprocessing.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&OpenProcessing&/a&每天都会有大家上传的作品。&br&最后，关注Vimeo的processing Group（需翻墙）&a href=&//link.zhihu.com/?target=https%3A//vimeo.com/groups/processing& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&vimeo.com/groups/proces&/span&&span class=&invisible&&sing&/span&&span class=&ellipsis&&&/span&&/a&&br&&br&学习路线的话 Shiffman黄皮入门 + Generative Design，技术层面已可以假装Visual Artist了.&br&&br&另外，以前还翻过数据可是化的一本，O'Reilly的&br&&figure&&img src=&https://pic3.zhimg.com/9eedbbf26ce4c3fc0ad00c226e20f316_b.jpg& data-rawwidth=&197& data-rawheight=&261& class=&content_image& width=&197&&&/figure&感觉不像专门写processing的，以processing为工具，某城市交通还是环境数据为例，讲解各种可视化方法。假如项目设计可视化，可以以此本为参考，不厚。&br&&br&至于Processing和Arduino的结合，我自己经验有限，仅停留在官网文档阶段，就不添乱了。&br&&br&最后，分形视觉方面，参考deviantART的分形组&a href=&//link.zhihu.com/?target=http%3A//mandelbulb3d.deviantart.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&mandelbulb3d on deviantART&/a&以及MandelBulb 3D的论坛&a href=&//link.zhihu.com/?target=http%3A//www.fractalforums.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&fractalforums.com&/a&&br&&br&以上。
processing官网上有大量推荐书。我一定要提Daniel Shiffman的两本书，因为实在太好了。 先说我看过的，第二本 此书简直是我读过所有技术书籍中的翘楚。从最最基本的物理运动讲起，一步一步教你用代码写一个有自我意识的生态系统！而且，此书完全免费
已有帐号？
无法登录？
社交帐号登录
143 条内容
107 条内容
706 人关注
470 条内容
2425 人关注
4459 条内容
3059 人关注
525 条内容}