交互的作用：

交互能让用户更好地理解和分析数据

有效地缓解了可视化空间和数据过载之间的矛盾。

更好的组织数据，展示数据的内涵

8.1交互原则

8.1.1交互延时

交互延时指的是从用户操作开始到结果返回经历的时间，延时的长短在很大程度上直接决定了用户体验的效果
选择合理的交互操作和视觉反馈的方法，并且要确保延时在可以接受的范围之内，才可以让用户正常、高效得与系统进行互动。

8.1.2交互场景

一般情况下，交互将引起可视化场景的变化。
应用中，用户通过切换场景来反复对比，达到准确发现变化的目的

8.1.3交互成本

交互本身带给用户便利的同时，额外的成本也会相应增加。
一般情况下，可视化系统会采用自动化处理的方式来解决。
用户分析和自动化分析是相辅相成的，权衡其作用和成本，达到一个平衡

8.2交互分类

按任务类型分类

选择：将目标数据对象标记出来，例如通过高亮的方式标记数据；
重新配置：重新设置可视化配置；
重新编码：展现不同的视觉效果；
导航：可以用来展现不同的数据，例如下一页提示按钮；
关联：将有关联的数据一并展示；
过滤：根据过滤条件选择显示一部分数据；
概览：展现对象的总体概况；
细节：展现更多细节内容；

按操作符与操作空间分类

操作符分为：导航、选择和变形
操作空间分为：数据值空间、数据结构空间、对象空间、属性空间、屏幕空间和可视化结构空间
交互的本质就是操作符与操作空间的组合。

按交互操作类型分类

常见的交互操作归纳如下：缩放、过滤、关联、记录、提取、按需要提供细节以及概览。
根据所操作的数据类型对交互操作进行分类，包括图形操作、数据操作和集合操作三类。
图形操作指的是对可视化对象进行操作，例如图形等视觉表面层面的操作；
数据操作指的是对数据对象进行增加、修改和删除；
集合操作指的是对数据对象组成的集合进行创建和删除操作。

8.3交互技术

选择技术

单选与框选

导航技术

平移、缩放和旋转（适用于数据量比较小的场景）

重配技术

目的是为用户提供观察数据的不同视角，

可用于解决由于空间距离拉大导致数据属性关联性降低的问题

铁屑与磁铁（Dust & Magnet）技术（性质取决于）：

Magnet的性质
Magnet的强度
Magnet所设置的相斥值
Dust关于Magnet所规定的的性质的值

过滤技术

指的是通过设置过滤条件来进行信息查询的技术。

关联技术

不同产品的年产量曲线用户选择折线数据，饼状图动态显示选择结果

概览+细节技术

综合运用概览和细节的技术展示数据，让用户既可以从整体上把握当前状态，又可以从细节微观的角度观察数据。

8.4部分代码实现

图8-11

df=pd.read_csv("data/beijing_AQI_2018.csv")
attr=df['Date']
vl=df['AQI']
line = (Line().add_xaxis(list(attr)).add_yaxis("AQI:",list(vl)).set_global_opts(title_opts=opts.TitleOpts(title="AQI全年走势图"),).set_series_opts(markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max",),#显示最大值opts.MarkPointItem(type_="min",),#显示最小值]),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average")]),#显示平均线areastyle_opts= opts.AreaStyleOpts(color="#000",opacity=0.3),label_opts=opts.LabelOpts(is_show=False)).render("result/8_11.html")
)

图8-13

df=pd.read_csv("data/beijing_AQI_2018.csv")
dom=df[["Date","AQI"]]
list1=[]
for i in dom["Date"]:time=i.split('-')[1]list1.append(time)
df["month"]=list1
month_message=df.groupby(["month"])
monyh_com=month_message["AQI"].agg(["mean"])
monyh_com.reset_index(inplace=True)
monyh_com_last=monyh_com.sort_index()
attr=["{}".format(str( i )+"月") for i in range(1,13)]
vl=np.array(monyh_com_last["mean"])
vl=["{}".format(int(i)) for i in vl]
line = (Line().add_xaxis(attr).add_yaxis("AQI:",vl).set_global_opts(title_opts=opts.TitleOpts(title="AQI月均全年走势图"),).set_series_opts(markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max",),opts.MarkPointItem(type_="min",)]),).render("result/8_13.html")
)

图8-15

df=pd.read_csv("data/beijing_AQI_2018.csv")
dom = df[['Date', 'AQI']]
data = [[], [], [], []]
dom1, dom2, dom3, dom4 = data
for i, j in zip(dom['Date'], dom['AQI']):time = i.split('-')[1]if time in ['01', '02', '03']:dom1.append(j)elif time in ['04', '05', '06']:dom2.append(j)elif time in ['07', '08', '09']:dom3.append(j)else:dom4.append(j)boxplot = Boxplot()
boxplot = (boxplot.add_xaxis(['第一季度', '第二季度', '第三季度', '第四季度']).add_yaxis("", boxplot.prepare_data([dom1, dom2, dom3, dom4])).set_global_opts(title_opts=opts.TitleOpts(title='2018年北京季度AQI箱型图'),)
)
boxplot.render("result/8_15.html")

图8-17

df=pd.read_csv("data/beijing_AQI_2018.csv")
rank_message = df.groupby(['Quality_grade'])
rank_com = rank_message['Quality_grade'].agg(['count'])
rank_com.reset_index(inplace=True)
rank_com_last = rank_com.sort_values('count', ascending=False)attr = rank_com_last['Quality_grade']
v1 = rank_com_last['count']pie = (Pie().add("空气质量", [list(z) for z in zip(attr, v1)], radius=[80, 180],tooltip_opts=opts.TooltipOpts(textstyle_opts=opts.TextStyleOpts(align='center'),formatter='{a}'+'<br/>'+'{b}: {c} ({d}%)')).set_global_opts(title_opts=opts.TitleOpts(title='2018年北京全年空气质量情况', pos_left='center'),legend_opts=opts.LegendOpts(orient='vertical', pos_top='5%', pos_left='2%'),)
)
pie.render("result/8_17.html")

大数据可视化（八）数据可视化中的交互相关推荐

使用FoundationDB高效地将SQL数据映射到NoSQL存储系统中
NoSQL数据库 --FoundationDB的键-值存储系统 FoundationDB是一个分布式的键-值存储系统,支持全局ACID事务操作,并且性能出众.在安装系统时,可以指定数据分发的级别.数据 ...
ECharts数据可视化项目-大屏数据可视化【持续更新中】
ECharts数据可视化项目-大屏数据可视化[持续更新中] 文章目录 ECharts数据可视化项目-大屏数据可视化[持续更新中] 一. 数据可视化ECharts使用二.技术栈三.数据可视化四.可 ...
八折进行中 | 暌违一载，2018 中国大数据技术大会（BDTC）首轮讲师阵容震撼来袭！...
暌违一载,今又相约.作为年度技术趋势与行业应用的风向标,2018 中国大数据技术大会(BDTC 2018)携主题"大数据新应用"再度强势来袭,稳踏技术时代浪潮,势将引爆今冬技术圈. ...
八折进行中 | 2018 中国大数据技术大会（BDTC）首轮讲师阵容震撼来袭！
暌违一载,今又相约.作为年度技术趋势与行业应用的风向标,2018 中国大数据技术大会(BDTC 2018)携主题"大数据新应用"再度强势来袭,稳踏技术时代浪潮,势将引爆今冬技术圈. ...
axure可视化大屏模板200例 •axure模板大屏可视化 •axure数据可视化原型 •axure可视化组件 •axure
可视化axure原型可视化大屏模板200例,带动画效果,可直接复用 axure可视化大屏模板200例 axure可视化大屏模板200例数据可视化原型可视化组件下载-无极低码 axure模板大屏可视化 ...
python与excel做数据可视化-我在工作中是怎么玩数据的—数据可视化系列教程—Python篇...
一. 为什么是Python? Python现在已经成为数据科学的语言!基于 Python 代码实现批量化,流程化的数据探索与汇报!按照地产大佬***的话讲--就是重复性的工作直接用Python搞定就可 ...
《数据科学与大数据分析——数据的发现分析可视化与表示》一2.3　第2阶段：数据准备...
本节书摘来自异步社区<数据科学与大数据分析--数据的发现分析可视化与表示>一书中的第2章,第2.3节,作者[美]EMC Education Services(EMC教育服务团队),更多 ...
交通大数据应用细分_盈海科技 | 交通大数据可视化“掘金”数据价值
面对日益拥堵的交通状况智能交通布局虽在不断完善但交通管理依旧收效甚微问题究竟出在了哪里? 数据独立存储难以融合应用数据内在规律难寻数据可视化程度低 -- 问题繁多困难重重怎么办??? 交 ...
数据图表可视化_数据可视化十大最有用的图表
数据图表可视化分析师每天使用的最佳数据可视化图表列表. (List of best data visualization charts that Analysts use on a daily ba ...

大数据可视化（八）数据可视化中的交互