Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >数据可视化发展史

数据可视化发展史

原创
作者头像
Data探险实验室
修改于 2023-02-28 05:46:27
修改于 2023-02-28 05:46:27
9990
举报

可视化发展史与测量、绘画、人类现代文明的启蒙和科技的发展一脉相承。在地图、科学与工程制图、统计图表中,可视化理念与技术己经应用和发展了数百年。

20 世纪之前

16 世纪时,人类已经掌握了精确的观测技术和设备,也采用手工方式制作可视化作品。可视化的萌芽出自几何图表和地图生成,其目的是展示一些重要的信息

图片来源:《数据可视化》
图片来源:《数据可视化》

17 世纪最重要的科学进展是对物理基本量(时间、距离和空间)的测量设备与理论的完善,它们被广泛用于航空、测绘、制图、浏览和国土勘探等。同时,制图学理论与实践也随着分析几何、测量误差、概率论、人口统计和政治版图的发展而迅速成长。17 世纪末,甚至产生了基于真实测量数据的可视化方法。从这时起,人类开始了可视化思考的新模式

图片来源:《数据可视化》
图片来源:《数据可视化》

18 世纪,发明了新的图形化形式(等值线、轮廓线)和其他物理信息的概念图(地理、经济、医学)。随着统计理论、实验数据分析的发展,抽象图和函数阁被广泛发明。

图片来源:《数据可视化》
图片来源:《数据可视化》

19 世纪,统计图形、概念图等迅猛爆发,此时人们已经掌握了整套统计数据可视化工具。关于社会、地理、医学和经济的统计数据越来越多, 将国家的统计数据和其可视表达放在地图上,产生了概念制图的新思维,其作用开始体现在政府规划和运营中。

图片来源:《数据可视化》
图片来源:《数据可视化》

20 世纪之后

20 世纪,个人计算机的普及使得人们逐渐开始采用计算机编程的方式实现可视化。20 世纪 70 年代以后,桌面操作系统、计算机图形学、图形显示设备、人机交互等技术的发展,激发了人们通过编程实现交互式可视化的热情。

图片来源:《数据可视化》
图片来源:《数据可视化》

进入 21 世纪后,原有的可视化技术已难以应对海量、高维、多源和动态的数据分析挑战。大数据、数据分析行业迎来了高速发展的时期,国家与企业更加重视数据价值,强调数字化建设的重要性。人类需要综合可视化、图形学、数据挖掘以及新的理论模型、用户交互手段等技术,辅助现代社会用户应对当下的挑战。可视分析学应运而生。可视分析学综合了图形学、数据挖掘和人机交互等技术,以可视交互界面为通道,将人的感知和认知能力以可视的方式融入数据处理过程,形成人脑智能和机器智能的优势互补,建立螺旋式信息交流与知识提炼途径,完成有效的分析推理和决策。

图片来源:《数据可视化》
图片来源:《数据可视化》

总结

从以上内容可以看出,可视化的发展经历了长期以及不同阶段的磨砺。在整个发展过程中,不仅仅是图表本身在不断丰富,人们的可视化思考方式也在不断升级,逐渐认识到通过更多可视化的形式来思考、探索与传递知识。在大的可视化需求之下,同时伴随着计算机的发展,可视化工具也在快速迭代,如今各类现代化自助的可视化分析系统给人们带来很大的便捷,应用在各行各业中。对于我们自己来说更应该去用好这个时代下简易的工具,重视身边的数据,通过可视化的手段辅助我们探索与传递价值~


参考资料:《数据可视化》《新一代数据可视化分析平台建设指南》

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
数据可视化的1996-2018 | 数据科学50人·陈为
陈为,现任浙大计算机学院副院长、CAD&CG国家重点实验室教授,中国数据可视化领域的顶级学者。他领导的浙大VAG小组,多次在世界顶级可视化会议IEEE VIS发表重要论文。其编著的《数据可视化》一书,填补了中国在系统介绍数据可视化的基本理论和方法上的空白,成为可视化领域的经典参考书目。他经历了中国的数据可视化研究在过去二十多年里的曲折变化,他的故事,一定程度上也展现了中国“数据可视化”历史的缩影。
DT数据侠
2018/08/08
1.3K0
数据可视化的1996-2018 | 数据科学50人·陈为
数据可视化是如何被创造出来的
本文将给大家介绍一些数据可视化的基础知识。点击阅读原文来访问。 我多次被炫目的数据可视化或信息可视化震惊,在我知道这些图片背后的数据来源和创造历程后,更是为之诧异不止。它涉足制图学、图形绘制设计、计算机视觉、数据采集、统计学、图解技术、数型结合以及动画、立体渲染、用户交互等。相关领域有影像学、视知觉。空间分析、科学建模等。 这是创造性设计美学和严谨的工程科学的卓越产物。用极美丽的形式呈现可能非常沉闷繁冗的数据,其表现和创作过程完全可以称之为艺术。所以我翻译了来自SM上的3篇数据可视化和信息图形的文章,主要是
用户1907613
2018/07/20
4810
什么是数据可视化?有什么作用?
关于数据可视化的定义有很多,像百度百科的定义是:数据可视化,是关于数据视觉表现形式的科学技术研究。其中,这种数据的视觉表现形式被定义为,一种以某种概要形式抽提出来的信息,包括相应信息单位的各种属性和变量。这种定义可能显得比较晦涩难懂。在大数据分析工具和软件中提到的数据可视化,就是利用运用计算机图形学、图像、人机交互等技术,将采集或模拟的数据映射为可识别的图形、图像。
数据前沿
2020/08/21
5.4K1
什么是数据可视化?有什么作用?
数据可视化基础 - 笔记
视觉编码是一种:将数据信息(属性 + 值)映射成可视化元素(可视化符号 + 视觉通道)的技术
TagBug
2023/03/17
4370
数据可视化基础 - 笔记
数据可视化产品选型指南
文章只列出了若干产品的对比,还有很多产品为列其中,欢迎各位对可视化感兴趣的朋友荐文、讨论,请给公众留言,谢谢! 此文摘自IT168,感谢作者王玉圆。 大数据的核心不是“大”,也不是“数据”,而是蕴含在其中的商业价值。作为挖掘数据背后潜在价值的重要手段,商业智能和分析平台成为大数据部署中的关键环节。然而,获取价值的难点并不在于数据分析应用的部署,而在于专业数据分析人才的缺乏。市场研究机构IDC甚至认为,数据分析人才的欠缺可能会成为影响大数据市场发展的重要因素。 “让每个人都成为数据分析师”是大数据时代赋予的要
大数据文摘
2018/05/21
2.2K0
【工具】Excel,SPSS和QlikView等数据可视化产品选型指南
大数据的核心不是“大”,也不是“数据”,而是蕴含在其中的商业价值。作为挖掘数据背后潜在价值的重要手段,商业智能和分析平台成为大数据部署中的 关键环节。然而,获取价值的难点并不在于数据分析应用的部署,而在于专业数据分析人才的缺乏。市场研究机构IDC甚至认为,数据分析人才的欠缺可能会成为 影响大数据市场发展的重要因素。 “让每个人都成为数据分析师”是大数据时代赋予的要求,数据可视化的出现恰恰从侧面缓解了专业数据分析人才的缺乏。Tableau、Qlik、 Microsoft、Sas
小莹莹
2018/04/18
2K0
【工具】Excel,SPSS和QlikView等数据可视化产品选型指南
数据可视化超级工具推荐,轻松解决数据可视化烦恼!
据可视化是将数据以图形化、可视化的方式呈现,让数据更加直观、易于理解。目前市场上有许多数据可视化工具,本篇文章将为大家推荐30个数据可视化超级工具,并对每个工具的特点进行介绍。
Datainside
2023/06/15
7290
数据可视化超级工具推荐,轻松解决数据可视化烦恼!
大数据可视化方法有哪些「建议收藏」
  随着计算机技术、物联网技术和现代智能终端技术的发展,大数据时代已经到来。大到企业、政府、媒体部门,小到个人,每天都在进行”读读”。各种各样的复杂数据和信息充斥着人们的眼球。这就需要一种有效的方法从海量信息中提取有用的信息,并能立即产生一定的相关结果,供决策者做出正确的决策。
全栈程序员站长
2022/09/06
1.2K0
Python Dash 一个可以玩转AI的可视化利器
很多人提到Tableau、Power BI等老牌可视化工具,这些工具确实引领了可视化的风潮,有开疆拓土之功。
郭好奇同学
2021/08/26
1.7K0
Python Dash 一个可以玩转AI的可视化利器
这套前端可视化框架,让数据栩栩如生!
随着大数据的发展,人们越来越多地使用数据分析来解决问题。为了提高数据分析的效率,各种先进的数据可视化工具应需而生,可以直接根据指定的数据源,生成炫酷又直观的图表。
程序员鱼皮
2021/03/26
2.2K0
前端er必须掌握的数据可视化技术
又是一月结束,打工人准时准点的汇报工作如期和大家见面啦。提到汇报,必不可少的一部分就是数据的汇总、分析。
葡萄城控件
2021/12/24
2.3K0
前端er必须掌握的数据可视化技术
【独家】一文读懂数据可视化
前言 数据可视化,是指将相对晦涩的的数据通过可视的、交互的方式进行展示,从而形象、直观地表达数据蕴含的信息和规律。 早期的数据可视化作为咨询机构、金融企业的专业工具,其应用领域较为单一,应用形态较为保守。步入大数据时代,各行各业对数据的重视程度与日俱增,随之而来的是对数据进行一站式整合、挖掘、分析、可视化的需求日益迫切,数据可视化呈现出愈加旺盛的生命力,表现之一就是视觉元素越来越多样,从朴素的柱状图/饼状图/折线图,扩展到地图、气泡图、树图、仪表盘等各式图形。表现之二是可用的开发工具越来越丰富,从专业的
数据派THU
2018/01/29
2.6K0
【独家】一文读懂数据可视化
一文看懂数据可视化:从编程工具到可视化表现方式
新媒体管家 说到可视化,就不得不说一下大数据,毕竟可视化是解决大数据的一种高效的手段,而如今人人都在谈论大数据,大数据 ≠ 有数据 ≠ 数据量大, 离谱的是,如今就连卖早点的觉得自己能统计每天卖出的种类,都敢说自己是搞大数据。 时间推移到 2009 年,“大数据” 开始才成为互联网技术行业中的热门词汇。对“大数据”进行收集和分析的设想,起初来自于世界著名的管理咨询公司麦肯锡公司;麦肯锡公司看到了各种网络平台记录的个人海量信息具备潜在的商业价值,于是投入大量人力物力进行调研,在 2011 年 6 月发布
钱塘数据
2018/03/06
1.4K0
一文看懂数据可视化:从编程工具到可视化表现方式
【数据可视化】数据可视化入门前的了解
在大数据时代,离不开数据的处理和分析,这次来介绍一下数据可视化,在之后的文章中使用的工具都是Apache ECharts,它是一个基于 JavaScript 的开源可视化图表库。
zxctscl
2024/03/12
4320
【数据可视化】数据可视化入门前的了解
盘点10款超好用的数据可视化工具
现代社会早已进入读图时代,图像在一定上程度上取代了文字,占据了主导地位。对于数据分析来说,一张清晰的可视化图表确实比纷繁复杂的数字更清晰美观。随着科技的发展以及可视化需求的急剧增大,涌现了大批的数据可视化工具,通过对比分析市面上众多的数据可视化工具之后,我们挑选了几款给大家进行参考。
数据前沿
2020/08/26
7.4K0
盘点10款超好用的数据可视化工具
数据可视化实践之美
开篇主要是介绍了一些常用的数据可视化工具和图表,让各位看官对数据可视化有一个较为全面的认识。后续篇章会深入介绍如何运用工具绘制精美图表的技术细节。 随着DT时代的到来,传统的统计图表很难对复杂数据进行直观地展示。这几年数据可视化作为一个新研究领域也变得越来越火。成功的可视化,如果做得漂亮,虽表面简单却富含深意,可以让观测者一眼就能洞察事实并产生新的理解。可视化(visualization)和可视效果(visual)两个词是等价的,表示所有结构化的信息表现方式,包括图形、图表、示意图、地图、故事情节图以及
小莹莹
2018/04/24
1.7K0
数据可视化实践之美
数据可视化实践之美
来源:中国统计网 作者:daniel.xie(谢佳标) 原文链接:http://dwz.cn/5Pz3BX 本文长度为2900字,建议阅读5分钟 本文主要为大家介绍一些比较流行的数据展现方式和常用的数据可视化工具和图表。 随着DT时代的到来,传统的统计图表很难对复杂数据进行直观地展示。这几年数据可视化作为一个新研究领域也变得越来越火。成功的可视化,如果做得漂亮,虽表面简单却富含深意,可以让观测者一眼就能洞察事实并产生新的理解。可视化(visualization)和可视效果(visual)两个词是等价的,
数据派THU
2018/01/29
2K0
python数据可视化第三方库有哪些_数据可视化!看看程序员大佬都推荐的几大Python库…
数据可视化是数据分析中极为重要的部分,而数据可视化图表(如条形图,散点图,折线图,地理图等)也是非常关键的一环。Python作为数据分析中最流行的编程语言之一,有几个库可以创建精美而复杂的数据可视化,允许分析人员和统计人员通过方便地在一处提供界面和数据可视化工具而轻松地根据其规范创建可视数据模型!
全栈程序员站长
2022/08/15
3K0
RayData数据可视化系列课程第一讲 ——数据可视化简史
(译者注:Quipu是印加语单词khipu的西班牙语形式,是印加帝国其竞争对手及其前身在南美洲使用的独特形式的古代通信和信息存储。学者们认为,quipus记录信息的方式与楔形文字片或纸莎草纸上的彩绘符号相同。但是,不是使用涂漆或印象的符号来传达信息,而是在棉花和羊毛线中,颜色和结图案,绳索扭曲方向和方向性表达了quipus中的想法。)
RayData光启元
2019/09/27
2.5K1
RayData数据可视化系列课程第一讲 ——数据可视化简史
数据可视化基础与应用-01-数据可视化概述
本系列是数据可视化基础与应用的第01篇,主要介绍数据可视化概述,包括数据可视化的历史,原理,工具等。
IT从业者张某某
2025/05/07
2290
数据可视化基础与应用-01-数据可视化概述
推荐阅读
相关推荐
数据可视化的1996-2018 | 数据科学50人·陈为
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档