CN108460087A - 探索式高维数据可视化装置及方法 - Google Patents

Abstract

本发明公开了一种探索式高维数据可视化装置及方法，其中装置包括：数据导入模块用于根据至少一种数据源连接选择对应的选择或处理引擎，以进行链接并导入源数据；数据预处理模块用于对导入的源数据进行数据清洗，并对处理后的数据系统进行识别划分维度度量操作，以得到维度和度量标签；探索式数据分析模块用于将维度和度量标签的拖拽操作转化为对数据库的查询，并进行通过数据转换模型改变高维数据对象与可视化空间的映射关系，以对高维数据进行可视化；可视化展示模块用于在探索式数据分析之后生成多张图表，并采用交互性的分析仪表盘或可视化屏对多张图标进行展示。该装置提供多种高维数据可视化布局方法，解决数据维度受限无法展示的问题。

Description

探索式高维数据可视化装置及方法

技术领域

本发明涉及数据可视化技术领域，特别涉及一种探索式高维数据可视化装置及方法。

背景技术

相关技术，公开了一种基于HTML5的数据可视化系统及方法。该系统包括数据推送上报模块，用于对指定类型的数据进行统计，并提供数据的上报功能，将统计的数据上传给收集发布模块；收集发布模块，用于对数据推送模块上报的数据进行数据模型转换，并将转换后的数据发送给数据更新推动模块；数据更新推送模块，用于将收集发布模块发送的转换后的数据翻译为内部图形展示指令，并将该内部图形展示指令推送给展示模块；展示模块，用于在接收到内部图形展示指令之后，根据该内部图形展示指令执行绘图及展示，以实现数据可视化。

另外相关技术公开了一种数据可视化展示方法及系统。方法包括数据接入，接入待处理的数据，当待处理的数据不符合接入格式时，利用输入格式模板库中的模板调整为符合接入格式的数据；数据存储，将符合接入格式的数据按照数据匹配规则库中的规则存储；可视化展示，根据可视化展示模型库中的模型展示计算结果。该发明还涉及一种数据可视化展示系统，包括数据获取单元、数据处理单元和可视化显示单元。

可以看出，在已有的可视化系统中，大部分数据从原始数据源里抽取过来之后，要由专业的数据分析人员提前进行数据预处理和建模分析，然后把计算好的结果导入系统进行可视化，如果指标发生变化，想查看中位数、总和数或平均值发生的变化时，只能由分析人员重新分析并提交结果，这种模式不具备敏捷性和灵活性，同时随着数据规模的增大，高维数据结构也越来越常见，已有的可视化系统没有考虑为高维数据设计合理的映射方案，并且没有提供良好的交互性，数据分析和展示的门槛和成本比较高。

目前国内外针对数据可视化提供服务的机构、团队和公司所实现的专业数据可视化系统(例如BI(Business Intelligence，商业智能)系统)，对于使用者技术和专业能力要求较高、数据含义需要使用者自己思考和构建，并且数据预处理的能力弱，对层次、多维数据的展现不灵活，数据维度和数据量的展示受限。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种探索式高维数据可视化装置，该装置提供多种高维数据可视化布局方法，解决数据维度受限无法展示的问题。

本发明的另一个目的在于提出一种探索式高维数据可视化方法。

为达到上述目的，本发明一方面实施例提出了一种探索式高维数据可视化装置，包括：数据导入模块，用于提供至少一种数据源连接，并根据所述至少一种数据源连接选择对应的选择或处理引擎，以进行链接并导入源数据；数据预处理模块，用于对导入的所述源数据进行数据清洗，并对处理后的数据系统进行识别划分维度度量操作，以得到维度和度量标签；探索式数据分析模块，用于将所述维度和所述度量标签的拖拽操作转化为对数据库的查询，并通过数据转换模型改变高维数据对象与可视化空间的映射关系，在所述维度标签为多个维度标签时，通过深度优先的方式将多维数据转换为层次数据格式，并通过层次数据可视化进行高维数据进行可视化，或在度量标签为多个度量标签时，通过平行坐标可视化技术进行高维数据进行可视化；可视化展示模块，用于在探索式数据分析之后生成多张图表，并采用交互性的分析仪表盘或可视化屏对所述多张图标进行展示。

本发明实施例的探索式高维数据可视化装置，设计了友好的交互方式，符合当前的用户行为习惯，通过拖拽、点击等简单易懂的方式进行探索式数据分析，降低学习成本，目标是使非技术人员也能够即学即用，提供多种高维数据可视化布局方法，解决数据维度受限无法展示的问题。

另外，根据本发明上述实施例的探索式高维数据可视化装置还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述数据导入模块还用于通过链接地址确定数据源，并通过Java反射方式动态选择所述数据源的驱动以进行所述数据源的连接。

进一步地，在本发明的一个实施例中，所述数据预处理模块还用于对导入的所述源数据进行缺失值处理、去除重复记录和噪声数据处理。

进一步地，在本发明的一个实施例中，所述探索式数据分析模块还用于查询数据库以得到需要生成图表的原始数据，并通过数据转换模型对所述原始数据进行数据转换，以根据转换结果生成所述图表。

为达到上述目的，本发明另一方面实施例提出了一种探索式高维数据可视化方法，包括以下步骤：获取至少一种数据源连接，并根据所述至少一种数据源连接选择对应的选择或处理引擎，以进行链接并导入源数据；对导入的所述源数据进行数据清洗，并对处理后的数据系统进行识别划分维度度量操作，以得到维度和度量标签；将所述维度和所述度量标签的拖拽操作转化为对数据库的查询，并通过数据转换模型改变高维数据对象与可视化空间的映射关系，在所述维度标签为多个维度标签时，通过深度优先的方式将多维数据转换为层次数据格式，并通过层次数据可视化进行高维数据进行可视化，或在度量标签为多个度量标签时，通过平行坐标可视化技术进行高维数据进行可视化；在探索式数据分析之后生成多张图表，并采用交互性的分析仪表盘或可视化屏对所述多张图标进行展示。

本发明实施例的探索式高维数据可视化方法，设计了友好的交互方式，符合当前的用户行为习惯，通过拖拽、点击等简单易懂的方式进行探索式数据分析，降低学习成本，目标是使非技术人员也能够即学即用，提供多种高维数据可视化布局方法，解决数据维度受限无法展示的问题。

另外，根据本发明上述实施例的探索式高维数据可视化方法还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述获取至少一种数据源连接，并根据所述至少一种数据源连接选择对应的选择或处理引擎，以进行链接并导入源数据，进一步包括：通过链接地址确定数据源，并通过Java反射方式动态选择所述数据源的驱动以进行所述数据源的连接。

进一步地，在本发明的一个实施例中，所述对导入的所述源数据进行数据清洗，并对处理后的数据系统进行识别划分维度度量操作，以得到维度和度量标签进一步包括：对导入的所述源数据进行缺失值处理、去除重复记录和噪声数据处理。

进一步地，在本发明的一个实施例中，所述将所述维度和所述度量标签的拖拽操作转化为对数据库的查询，并通过数据转换模型改变高维数据对象与可视化空间的映射关系，以对高维数据进行可视化，进一步包括：查询数据库以得到需要生成图表的原始数据，并通过数据转换模型对所述原始数据进行数据转换，以根据转换结果生成所述图表。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明一个实施例的探索式高维数据可视化装置的结构示意图；

图2为根据本发明一个实施例的处理流程的功能示意图；

图3为根据本发明一个实施例的数据合并的示意图；

图4为根据本发明一个实施例的探索式数据分析可视化流程图；

图5为根据本发明一个实施例的拖拽流程图；

图6为根据本发明一个实施例的探索式数据可视化的功能示意图；

图7为根据本发明一个实施例的探索式高维数据可视化方法的流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

在介绍探索式高维数据可视化装置及方法之前，先简单介绍一下目前处理数据的方式。

高维数据指具有多个属性的数据对象，其中属性的数量并没有明确的定义，一般视具体任务而定。高维是大数据的内在结构属性，大量的大数据分析任务与高维数据相关。无论是抽象的科学数据，还是实际生活中的数据，高维数据都随处可见。例如一位患者就包含了年龄、性别、身高、体重、血压、血脂等各项体征数据。又如在选购数码相机时需要评估不同品牌不同型号相机的配置，如总像素、有效像素、最大分辨率、重量等参数。

随着云计算及大数据时代的到来，来越多的公司和机构注意到了大数据的重要性，但数据的规模不断增大，数据的维度随之增加,数据多样、复杂等特性也越来越明显,这使得一般用户很难直接对这些高维数据进行分析，不能直接从高维数据集合中了解数据结构、获取有用信息。在这样的环境下，如何让用户可以快速的理解和分析大量的复杂高维数据是现在研究的重点课题，探索式高维数据可视化技术就显得尤为重要。

目前对于大多数企业来说，并没有专业的数据分析人员，多使用Excel等对数据进行分析，分析能力有限且不适于海量数据的分析。此外，部署专业的商业智能软件也是处理数据分析问题的方式之一，但是商业智能平台的部署和改造复杂且需要技术人员学习数据挖掘、数据可视化等相关技术，门槛较高。同时，目前的专业商业智能软件数据预处理的能力弱，对层次、多维数据的展现不灵活，基本在数据维度超过3个时就很难找到合适的可视化图表来进行可视化，数据维度和数据量的展示受限。因此，本文针对上述现有技术的不足，提出一种探索式高维数据可视化系统，不仅可以以基础统计图表的方式支持低维数据结构的展示，也能够以层次、多维等数据可视化方法来支持高维数据结构的展示，在数据分析和数据展示的过程中提供良好的交互性，支持拖拽式极简操作，这样就算不懂专业的编程和统计知识的用户也可制作分析图表，降低数据分析门槛和成本的同时极大提高了效率。

正是基于上述原因，本发明实施例提出了一种探索式高维数据可视化装置及方法。

下面参照附图描述根据本发明实施例提出的探索式高维数据可视化装置及方法，首先将参照附图描述根据本发明实施例提出的探索式高维数据可视化装置。

图1是本发明一个实施例的探索式高维数据可视化装置的结构示意图。

如图1所示，该探索式高维数据可视化装置10包括：数据导入模块100、数据预处理模块200、探索式数据分析模块300和可视化展示模块400。

其中，数据导入模块100用于提供至少一种数据源连接，并根据至少一种数据源连接选择对应的选择或处理引擎，以进行链接并导入源数据。数据预处理模块200用于对导入的源数据进行数据清洗，并对处理后的数据系统进行识别划分维度度量操作，以得到维度和度量标签。探索式数据分析模块300用于将维度和度量标签的拖拽操作转化为对数据库的查询，并通过数据转换模型改变高维数据对象与可视化空间的映射关系，以对高维数据进行可视化。可视化展示模块400用于在探索式数据分析之后生成多张图表，并采用交互性的分析仪表盘或可视化屏对多张图标进行展示。本发明实施例的装置10提供多种高维数据可视化布局方法，解决数据维度受限无法展示的问题。

可以理解的是，本发明实施例通过设计友好的交互方式，符合当前用户的行为习惯，通过拖拽、点击等简单易懂的方式进行探索式数据分析，降低学习成本，目标是使非技术人员也能够即学即用，引入多种高维数据可视化布局方法，例如平行坐标可视化、树图可视化等，提出一种探索式高维数据可视化系统。从用户数据源输入到可视化结果展示，一共分成四个模块：数据导入模块100、数据预处理模块200、探索式数据分析模块300和可视化展示模块400。

本发明实施例将探索式分析技术与高维数据可视化技术相结合，从用户数据源输入到可视化结果展示一共分为四个模块，具体而言，数据导入模块100，系统提供多种数据源连接的类型，如图2所示，包括关系型数据库、用户上传的Excel、CSV和一些特定格式的文本文件以及非关系型数据数据源例如Hive，Hbase，MongoDB等，根据不同的数据源选择不同的链接驱动或处理引擎即可链接。

数据预处理模块200对导入的源数据进行数据清洗，对得到的处理后的数据系统自动进行识别划分维度度量操作。

探索式数据分析模块300将用户对于上一步得到的维度和度量标签的拖拽操作转化为对数据库的查询，并进行数据转换等操作，最终实现高/低维数据的可视化。

可视化展示模块400将探索式数据分析之后生成的多张图表，采用具有良好交互性的分析仪表盘或者炫酷的可视化大屏两种方式进行展示。

进一步地，在本发明的一个实施例中，数据导入模块100还用于通过链接地址确定数据源，并通过Java反射方式动态选择数据源的驱动以进行数据源的连接。

具体而言，本发明实施例设计了多数据源连接方式。在启动本系统之前用户先要提供进行查寻的数据源，如Excel，CSV数据表文件，或者关系型数据库mysql、oracle、SqlServer等数据库的连接地址、端口、数据库的链接密码用户等，对于非关系型数据库，也可以通过提供链接字符串的形式来提供数据源链接。

当用户选择连接远程数据库或者其他远程数据源时，系统会根据用户填写的链接地址来判断是何种数据源从而通过Java反射方式动态选择数据源驱动进行数据源的连接，如果连接过程中出错会根据错误类型来反馈用户相关信息，如提示输入用户密码等。

当用户上传以文件形式存在的数据源时，系统会以文件上传的方式获取到用户上传的文件，然后根据上传文件类型采取不同的处理方式，例如Excel类型的文件首先需要将此类文件通过Excel驱动转换为可读取的数据，然后直接转换为行列的形式存入到内存表中以供使内存表解析引擎用。

进一步地，在本发明的一个实施例中，如图2所示，数据预处理模块200还用于对导入的源数据进行缺失值处理、去除重复记录和噪声数据处理。

具体而言，在原始数据的采集过程中，不可避免的会存在数据的缺失、采集错误或记录重复等问题，根据“垃圾进，垃圾出”原理，错误的数据会导致昂贵的操作费用和漫长的响应时间，影响从数据集中抽取的模式的正确性和导出规则的准确性，使得系统产生错误的分析结果，对可视分析的结果造成很大的影响，因此，在数据可视分析之前有必要对数据进行数据预处理，通过清除数据集合中的不一致，平滑数据集合中的噪声，改善数据集合的不完整，并识别和检测数据集合中的相似或重复记录，来维护数据的质量。

对数据导入模块得到的源数据进行数据清洗，主要包括缺失值处理、去除重复记录、噪声数据处理三部分。对于数据集中缺失值的处理本提案采用两种方法实现，当数据集含有较多的属性或实例(即该数据集较大)，并且整体缺失的数据不超过一定范围时，采用删除属性或实例的方法，这种方法具有效率高的特点。如果担心采用第一种方法会将潜在的有价值的信息也一并删除，可以采用另外一种方法——缺失值填充算法，该算法通过把缺失值用最接近它的值来替代，从而提高可用数据的数量。

对于检测数据库中完全重复记录，排序-合并方法是检测数据库中完全重复记录的标准方法。它的基本思想是，先对数据集排序，然后比较相邻记录是否相等，这一方法也为在整个数据集上检测重复记录提供了思路。本发明实施例采用基本SNM(SocialNetworking Marketing，邻近排序算法)，该算法是将数据集中的记录按指定的关键字排序，然后在排序后的数据集上移动一个固定大小的窗口，只检测窗口的记录，判断它们是否匹配，以此来减少记录比较的次数，对检测到的完全重复数据进行删除以提高数据质量。

SNM算法主要包括以下三步:

1)生成关键词：通过抽取数据集中相关属性的值为每个实例生成一个关键字。

2)数据排序：按上步生成的关键字为数据集中的数据排序。尽可能的使潜在的可能的重复记录调整到一个邻近的区域内，从而对于特定的记录可以将进行记录匹配的对象限制在一定的范围之内。

3)合并：如图3所示，在已排序的数据集上依次移动一个固定大小的窗口，数据集中每条记录仅与窗口内的记录进行比较。如果窗口的大小是包含m个记录，则每条新进入窗口的记录都要与先前进入窗口的m-1条记录进行比较,来检测重复记录,然后最先进入窗口内的记录滑出窗口,最后一条记录的下一条记录移入窗口，再把此m条记录作为下一轮比较对象，直到数据集的最后。

对于消除噪声数据的方法本提案采用的是分箱方法，分箱方法通过参考周围实例的值来平滑需要处理的数据值。需要处理的数据被分布到一些箱中，可以采用不同的分箱技术对这些值进行不同的平滑，包括按箱平均值平滑、按箱中位数平滑和按箱边界值平滑。

对经过数据预处理之后得到的数据表，本发明实施例会自动对表进行识别划分维度度量操作，把分类数据归为维度，把定量数据归为度量，并以标签的的形式在用户界面展现。

进一步地，在本发明的一个实施例中，探索式数据分析模块300还用于查询数据库以得到需要生成图表的原始数据，并通过数据转换模型对原始数据进行数据转换，以根据转换结果生成图表。

具体而言，本发明实施例主要是通过用户对于维度和度量标签的拖拽等操作获取查询条件，将其传递给相应的接口，从而按照需求查询数据库得到需要生成图表的原始数据，再通过数据转换模型进行数据转换，将转换结果传递给Echarts/d3可视化组件生成最后的图表，渲染呈现给用户。具体流程图5所示。

除了上述的通过拖拽标签即可生成图表的功能，如图2所示，探索式数据分析模块300还包括数据计算、数据过滤、标记卡、图表过滤等功能。数据计算指选择查询的度量元素的计算值如计数、平均数、求和等，使用其计算值作为生成图表的数据，观察计算后与其他维度或度量的相关性。数据过滤是对度量进行筛选操作，将其拖到筛选框，在弹出的对话框中选择符合要求的范围，从而更改生成图表的数据。标记卡支持对不同维度或度量值颜色的更改、更改坐标轴名称等，使生成的图表更加简单、明了、直观。图表过滤指在用户通过拖拽选取维度和度量之后，系统可以根据用户选择维度和度量的个数推荐可以生成的图表类型以减少用户盲目探索的过程。例如，当用户拖拽一个维度一个度量值时，可以生成柱状图、条形图、饼状图、漏斗图等，此时图表栏中这些图形的图标会高亮显示，而其他类型的图标则会显示灰色而且禁止选取。用户可以单击选取高亮的图标，切换不同的图表类型，选择合适的方式展示相应的数据以达到最直观的效果。

上述探索式分析功能基本是由点击、拖拽等交互式操作实现，极大的降低了用户进行数据分析的门槛，且无需重新导入数据就可以完成工作表中任意字段及各种计算方式的分析，生成数据图表的类型也可以根据推荐自由切换，极大的提高了用户进行数据分析的效率。

其中，拖拽主要通过HTML5的拖放功能来实现，其主要生命周期如表1所示，表1为HTML5的拖放功能生命周期表。

表1

拖动生命周期	属性	描述
			拖动开始	ondragstart	在拖拽动作开始时执行(指针选中元素)
拖动过程中	ondrag	在拖动过程中执行(指针选中元素)
			拖动过程中	ondragenter	当组件被拖动到目标元素时执行(目标元素)
拖动过程中	ondragover	当组件在目标元素上拖动时执行(目标元素)
			拖动过程中	ondragleave	当指针选中元素移除目标元素后执行(目标元素)
拖动结束	ondrop	将指针选中元素放在目标元素内时执行(目标元素)
			拖动结束	ondragend	在拖动操作结束时执行(被拖拽元素)

实现过程中，主要监听ondragstart、ondrop、ondragleave事件。具体实现过程4所示，具体为：

(1)对指针选中的元素，例如维度和度量等控件，将其draggable属性设为true即可拖拽，并监听dragstart事件，复制该拖拽元素，保证原位置维度或度量不变。

(2)监听目标元素的drop事件，设置当被拖拽元素放在目标元素内时发生的操作，主要包括获取被拖拽元素值，并获取其相关数据等。

(3)监听目标元素的dragleave事件，设置拖拽元素离开目标元素时的操作，主要与删除相关。

本发明实施例提出的数据转换模型是把原始数据转换为生成图表所需的数据格式，并且拼接出完整的Option返回给可视化组件，最终实现视图的渲染。数据预处理之后的得到的数据统一为一张数据表，在本系统中用List<Map<Stirng,String>这种数据结构来描述，其中Map中的key表示表中的列，value表示表中列的值List中的每元素即Map对象表示表中的一行。这种数据结构能够更加方便进行处理，由于最终Echarts所需要的数据格式都不同，但是都可以通过此种数据结构进行转化，数据转换模型根据用户选择的所要生成的图表的类型把源数据转化为该图表事先定义好的数据格式，转化后的数据作为Option的data模块，模型还构建了Option的其他模块，包括axis模块(图表的坐标轴)、feature模块(图表的工具箱)、series模块(图表的类型及数据)、style模块(图表的样式)。将这些模块组装成为一个完整的Option JSON数据，返回JOSN数据格式供可视化组件使用。

进一步地，在本发明的一个实施例中，探索式数据分析模块300进一步用于在维度标签为多个维度标签时，通过深度优先的方式将多维数据转换为层次数据格式，并通过层次数据可视化进行高维数据进行可视化，或在度量标签为多个度量标签时，通过平行坐标可视化技术进行高维数据进行可视化。

可以理解的是，如图6所示，本发明实施例不仅包括相对较简单的饼图、柱状图、折线图等传统的二维可视化技术，也引入了多种高维可视化布局方法，通过数据转换模型改变高维数据对象与可视化空间的映射关系，实现展现高维数据对象的不同属性之间的关系。对于高维数据的可视化，又分为两种情况，一种是多个维度标签的情况，另一种是多个度量标签的情况。

针对第一种情况采用深度优先的方式将多维数据转换为层次数据格式，之后本发明实施例提供层次数据可视化中最典型的三种可视化形式节点链接法、空间填充法和邻接法进行可视化，例如，一组电影票房数据包含电影名、电影类别、电影出品公司、语言、导演、票房等多种维度，通过拖拽“国家”、“电影类别”、“语言”、“票房”，可以清楚的展现该组数据下各国各类别不同语言电影票房的高低，而且本提案把探索式分析技术与高维可视化技术相结合，通过拖拽改变维度标签的顺序从而改变层次数据对象的层级关系，可以从不同角度观察数据维度之间的关系，更好的帮助用户进行分析和决策。节点链接法采用径向树图，空间填充法采用矩阵树图，邻接法采用旭日图，三种图表各有优缺点，用户可以根据数据的特点选择合适的图表。

针对第二种情况采用平行坐标可视化技术进行可视化。根据拖拽度量标签的个数，在二维平面上绘制多条间距相等的平行坐标轴，每个度量对应一个坐标轴表示，各度量的值按大小自上而下分布在各个坐标轴上，通过连接各坐标轴上某一数据项对应的各个点产生一条横跨平行坐标轴的折线，通过这种可视化方法用户可直接在二维空间中看到高维数据的分布，同时为了方便用户对于各度量信息的理解和分析，本提案采用皮尔森相关系数进行维度相似性的计算来改进现有的平行坐标，该系数可以很好的用来反映两个维度之间的线性相关程度，将计算得到的相似性大小和维度名称作为新的标签在坐标轴上进行显示，实现相似性大小的直观显示，再结合探索式分析技术，通过拖拽改变度量标签的顺序实现两坐标轴位置的互换。

进一步地，可视化展示模块400提供两种可视化展示方式。以满足不同业务场景的需求，包括具有良好交互性的分析仪表盘和炫酷的可视化大屏。如图2所示，具体包括：

仪表盘是对用户通过探索式分析生成并保存后的图表的总结与展示，系统将用户对于同一数据源所保存的图表放在同一页面展示形成仪表盘，在仪表盘中也可以对图表进行操作，包括针对单个图表鼠标悬停时凸显动作(把图表生成图片、删除图表等)，对图表进行缩放，通过拖拽的方式改变各图表间的相对位置从而实现仪表盘的自由布局等。

可视化大屏的构建包括采用主题大屏模板、自定义主题大屏及数据视图交互联动大屏三种形式。采用主题大屏模板主要是系统提供多种预先定义好背景和布局的主题大屏，通过直接选择一款模板，把生成好的图表拖拽到布局的对应位置就可以轻松的构建可视化大屏。自定义主题大屏就是利用Echarts提供的主题构建工具，系统可以提供多种色系的主题风格，用户选择了某种主题风格之后，大屏的背景和大屏中的图表自动统一成同一色调风格。数据视图交互联动大屏属于一种定制款的大屏，要求大屏中展示的各图表要有某种联系，单个图表监听到鼠标点击事件之后，每一项数据在不同维度指标下交互联动，展示数据在不同角度的走势、比例、关系，帮助使用者识别趋势，发现数据背后的知识与规律。

针对设计好的仪表盘和可视化大屏，系统提供发布和分享的功能。发布后，在任何地方登录该平台都能进行查看，同时还可以生成一个链接，把仪表盘/大屏分享给客户。在任何终端，打开链接就能看到设计好的仪表盘/大屏。

根据本发明实施例提出的探索式高维数据可视化装置，设计了友好的交互方式，符合当前的用户行为习惯，通过拖拽、点击等简单易懂的方式进行探索式数据分析，降低学习成本，目标是使非技术人员也能够即学即用，提供多种高维数据可视化布局方法，解决数据维度受限无法展示的问题。

其次参照附图描述根据本发明实施例提出的探索式高维数据可视化方法。

如图7所示，该探索式高维数据可视化方法包括以下步骤：

在步骤S701中，获取至少一种数据源连接，并根据至少一种数据源连接选择对应的选择或处理引擎，以进行链接并导入源数据。

在步骤S702中，对导入的源数据进行数据清洗，并对处理后的数据系统进行识别划分维度度量操作，以得到维度和度量标签。

在步骤S703中，将维度和度量标签的拖拽操作转化为对数据库的查询，并通过数据转换模型改变高维数据对象与可视化空间的映射关系，在维度标签为多个维度标签时，通过深度优先的方式将多维数据转换为层次数据格式，并通过层次数据可视化进行高维数据进行可视化，或在度量标签为多个度量标签时，通过平行坐标可视化技术进行高维数据进行可视化。

在步骤S704中，在探索式数据分析之后生成多张图表，并采用交互性的分析仪表盘或可视化屏对多张图标进行展示。

进一步地，在本发明的一个实施例中，获取至少一种数据源连接，并根据至少一种数据源连接选择对应的选择或处理引擎，以进行链接并导入源数据，进一步包括：通过链接地址确定数据源，并通过Java反射方式动态选择数据源的驱动以进行数据源的连接。

进一步地，在本发明的一个实施例中，对导入的源数据进行数据清洗，并对处理后的数据系统进行识别划分维度度量操作，以得到维度和度量标签进一步包括：对导入的源数据进行缺失值处理、去除重复记录和噪声数据处理。

进一步地，在本发明的一个实施例中，将维度和度量标签的拖拽操作转化为对数据库的查询，并通过数据转换模型改变高维数据对象与可视化空间的映射关系，以对高维数据进行可视化，进一步包括：查询数据库以得到需要生成图表的原始数据，并通过数据转换模型对原始数据进行数据转换，以根据转换结果生成图表。

需要说明的是，前述对探索式高维数据可视化装置施例的解释说明也适用于该实施例的装置探索式高维数据可视化方法，此处不再赘述。

根据本发明实施例提出的探索式高维数据可视化方法，设计了友好的交互方式，符合当前的用户行为习惯，通过拖拽、点击等简单易懂的方式进行探索式数据分析，降低学习成本，目标是使非技术人员也能够即学即用，提供多种高维数据可视化布局方法，解决数据维度受限无法展示的问题。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种探索式高维数据可视化装置，其特征在于，包括：

数据导入模块，用于提供至少一种数据源连接，并根据所述至少一种数据源连接选择对应的选择或处理引擎，以进行链接并导入源数据；

数据预处理模块，用于对导入的所述源数据进行数据清洗，并对处理后的数据系统进行识别划分维度度量操作，以得到维度和度量标签；

探索式数据分析模块，用于将所述维度和所述度量标签的拖拽操作转化为对数据库的查询，并通过数据转换模型改变高维数据对象与可视化空间的映射关系，在所述维度标签为多个维度标签时，通过深度优先的方式将多维数据转换为层次数据格式，并通过层次数据可视化进行高维数据进行可视化，或在度量标签为多个度量标签时，通过平行坐标可视化技术对高维数据进行可视化；以及

可视化展示模块，用于在探索式数据分析之后生成多张图表，并采用交互性的分析仪表盘或可视化屏对所述多张图标进行展示。

2.根据权利要求1所述的探索式高维数据可视化装置，其特征在于，所述数据导入模块还用于通过链接地址确定数据源，并通过Java反射方式动态选择所述数据源的驱动以进行所述数据源的连接。

3.根据权利要求1所述的探索式高维数据可视化装置，其特征在于，所述数据预处理模块还用于对导入的所述源数据进行缺失值处理、去除重复记录和噪声数据处理。

4.根据权利要求1所述的探索式高维数据可视化装置，其特征在于，所述探索式数据分析模块还用于查询数据库以得到需要生成图表的原始数据，并通过数据转换模型对所述原始数据进行数据转换，以根据转换结果生成所述图表。

5.一种探索式高维数据可视化方法，其特征在于，包括以下步骤：

获取至少一种数据源连接，并根据所述至少一种数据源连接选择对应的选择或处理引擎，以进行链接并导入源数据；

对导入的所述源数据进行数据清洗，并对处理后的数据系统进行识别划分维度度量操作，以得到维度和度量标签；

将所述维度和所述度量标签的拖拽操作转化为对数据库的查询，并通过数据转换模型改变高维数据对象与可视化空间的映射关系，在所述维度标签为多个维度标签时，通过深度优先的方式将多维数据转换为层次数据格式，并通过层次数据可视化进行高维数据进行可视化，或在度量标签为多个度量标签时，通过平行坐标可视化技术进行高维数据进行可视化；以及

在探索式数据分析之后生成多张图表，并采用交互性的分析仪表盘或可视化屏对所述多张图标进行展示。

6.根据权利要求5所述的探索式高维数据可视化方法，其特征在于，所述获取至少一种数据源连接，并根据所述至少一种数据源连接选择对应的选择或处理引擎，以进行链接并导入源数据，进一步包括：

通过链接地址确定数据源，并通过Java反射方式动态选择所述数据源的驱动以进行所述数据源的连接。

7.根据权利要求5所述的探索式高维数据可视化方法，其特征在于，所述对导入的所述源数据进行数据清洗，并对处理后的数据系统进行识别划分维度度量操作，以得到维度和度量标签进一步包括：

对导入的所述源数据进行缺失值处理、去除重复记录和噪声数据处理。

8.根据权利要求5所述的探索式高维数据可视化方法，其特征在于，所述将所述维度和所述度量标签的拖拽操作转化为对数据库的查询，并通过数据转换模型改变高维数据对象与可视化空间的映射关系，进一步包括：

查询数据库以得到需要生成图表的原始数据，并通过数据转换模型对所述原始数据进行数据转换，以根据转换结果生成所述图表。