有没有想过公司如何直观地表示其组织层次结构？ 或者家谱如何清晰地描绘出复杂的祖先关系？ 有一种特殊的结构可以使这种联系直观地可视化——层次结构。
分层数据遵循树形格式，其中实体按父子关系排名。 将抽象层次结构转换为引人入胜的可视化可以发现宝贵的见解。 这本综合指南将带您了解分层数据可视化的世界及其多样化的实际应用程序。
什么是分层数据？
顾名思义，分层数据遵循分层结构，其中项目按金字塔式模型进行排序。 除根节点外，每个数据元素都可以有一个父元素。 没有子节点的节点称为叶节点，而有子节点的节点称为内部节点。
分层数据的一些常见示例包括：
- 组织结构图
- 家谱
- 文件目录结构
- 生物分类学
- 产品类别
分层数据的关键属性是：
- 树形结构 – 数据基于父子关系链接，形成分支树状结构。
- 单身父母 – 除了没有父节点的根节点外，每个节点都有一个父节点。
- 遏制 – 节点包含或保存其他子节点，而不仅仅是连接。
- 单路径 – 从根节点到任何其他节点只有一条唯一路径。
- 无循环 – 数据结构不包含循环链接。
- 叶节点和内部节点 – 叶节点没有子节点，而内部节点有一个或多个子节点。
为什么要可视化分层数据？
层次结构数据的原始形式是高度抽象的。 虽然表格可以捕获基本的父子链接，但它们无法传达视觉见解和模式。 这才是有意义的地方 视觉表现 可以有很大的不同。
可视化层次结构提供了充满数字的巨型表格根本无法提供的几个好处：
- 层次结构图通过节点的定位和连接立即揭示数据的整体结构和分组。 这种鸟瞰图很难通过扫描行和列来获得。
- 层次图中使用的视觉编码技术（例如大小、颜色、边框等）允许跨节点的度量快速比较。 与人力资源和运营部门相比，营销部门的预算分配是否最高？ 树状图可以让您一目了然。
- 工具提示、缩放和展开/折叠等交互功能可按需提供详细信息，使用户能够专注于大型数据集的相关部分。
- 扩展分支或修改参数时的动画过渡可以比使用静态表更有效地跟踪分层数据随时间的变化。
- 分层可视化将抽象数据转化为吸引人类认知的直观视觉叙述。 它们不仅更容易理解，而且还使见解更令人难忘和有影响力。
从本质上讲，层次结构图利用人类视觉系统的功能来理解充满结构模式和关系的复杂数据。 这种知识发现潜力使分层数据可视化成为分析和交流见解的宝贵技术。
分层数据可视化图表
许多不同的图表类型可用于直观地表示分层数据。 最流行的包括：
1. 树形图
这是可视化分层数据的最常见和直观的方式。 它将节点显示为圆形或其他形状，连接线以分支方式显示父子关系。
树形图很容易解释，但对于跨越多个级别的大型数据集可能会变得非常复杂。
2. 树状图
树状图是生物学中广泛使用的一种特殊类型的树图，用于显示分类层次结构和聚类分析。 该图从一端的各个节点开始，当我们移向另一端时，就会形成层次结构。
节点的位置和分支之间的距离表示相似程度。 树状图可视化层次聚类算法。
3. 径向树
顾名思义，径向树图具有从中心根节点向外辐射的分支链接。 它比标准树更紧凑，对于更大的层次结构很有用。 然而，节点标签可能更难适应。
4.旭日图
旭日图以嵌套环的形式显示分层数据，最内层的环代表根节点。 环的大小和段代表与每个数据点相关的度量。
旭日形非常适合在多个层次结构级别显示比例。 但是，它们对节点标签的支持有限。
5. 树形图
树状图使用嵌套矩形容器显示层次类别。 容器大小与节点关联的指标成正比。 颜色可以编码额外的维度。
树状图可有效利用空间并使大小比较变得容易。 但由于具有多个层次结构，它们的可读性变得较差。
6. 冰柱图
冰柱图将分层数据排列在缩小的矩形容器中，沿 y 轴的位置确定树级别。 尺寸和颜色可以编码度量。
冰柱清楚地显示了部分与整体的关系，对于比较跨层次结构级别的节点很有用。
7. 节点链接图
该技术直接显示分层数据结构中的节点以及父节点和子节点之间的连接线或边。
节点链接图可以与仪表板上的其他视觉元素很好地集成，并支持自定义设计。
8. 邻接图
邻接图是通过将节点与树的空间填充遍历对齐来优化空间效率的节点链接图。 当空间有限时，对于较大的层次结构很有用。
9. 树状图
这种方法将树形图与地图可视化相结合，以地理空间方式显示分层数据。 地图指示节点位置，而树则显示关系。
当分层数据具有地理成分时，树状图可以很好地集成。
设计注意事项
以下是可视化分层数据时需要考虑的一些关键方面：
- 订购 – 必须适当选择节点的层次结构、字母顺序、顺序或自定义顺序。
- 布局——长宽比、方向、间距等应增强可读性和空间利用率。
- 交互性 – 能够深入查看分支、缩放、工具提示等，以根据需要提供详细信息。
- 标签 – 清楚地标记所有节点或根据相关性有选择地标记。
- 喷码 – 使用大小、颜色、图标、边框等对节点上的指标进行编码。
- 动画 – 展开/折叠节点或参数随时间变化时的动画过渡。
分层数据可视化工具
许多商业智能和数据可视化工具支持为分层数据创建图表。 一些流行的选项包括：
- 画面 – 提供分层 图表 例如树状图、旭日图、桑基图等。
- Microsoft Power BI – 提供树形图和基本层次结构图。 允许深入了解级别。
- Qlik – 支持树形图和圆包图。 集合分析可以深入到分支。
- D3.js – 提供 API 和布局以使用 JavaScript 创建自定义交互式分层可视化。
- 蟒蛇 像networkx、stratifypy、scipy等库可以生成层次图。
- R ggdendro、treemap、diagrammer 等软件包可用于绘制层次结构图。
- 杰斐 – 开源网络分析和可视化软件，具有分层图选项。
分层数据可视化的应用
分层数据可视化在不同领域有许多实际应用：
- 可视化企业场景中的组织层次结构
- 代表产品类别和库存数据
- 分析分支流程和任务流
- 显示目录树结构
- 了解生物分类学
- 映射概念层次结构和本体
- 分析系统发育关系
- 表示决策树和风险模型
- 跟踪疾病、病毒、故障等的传播。
- 分析社交网络中的社区结构
- 描绘历史时间线和年表
关键是选择 正确的视觉表征 这增强了对特定领域的分层数据关系的理解。
结论
分层数据出现在许多不同的问题上下文中。 使用有意义的图形描述来可视化固有的基于树的结构有助于揭示否则很难观察到的见解。
存在一系列分层数据可视化技术，从基本的树图到更高级的 旭日、树状图、冰柱等。每种都有自己的优点和缺点。 正确的选择取决于数据特征、分析需求和受众概况。
借助适当的工具和深思熟虑的设计，分层数据可视化可以将复杂的信息转化为充满可操作见解的直观视觉故事。 分层数据可视化的知识发现潜力使其成为数据科学和分析中不可或缺的技术。
