← 返回卡片

原书出处

数据科学与大数据分析 数据的发现 分析 可视化与表示

02 第2章 数据分析生命周期

第1版 · 核验版本的摘录快照 · 导入于 2026-11-18T18:41:59.824Z

论)。另一个例子是数据倾斜(skewness),比如,大部分数据集中在某个数值或者连续统(continuum)的一端。

Shneiderman[9]因其可视化数据分析的理念(即全盘观察,放大及过滤,然后按需获取细节)而众所周知。这是一个务实的可视化数据分析方法。它允许用户找到感兴趣的领域,然后通过放大和过滤来找到与数据的特定区域相关的更详细信息,最后找到特定区域背后详细的数据。

这种方法提供了数据的一个高层视图,可以在相对较短的时间内获悉给定数据集的大量信息。 当该方法与数据可视化工具或统计软件包

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0012_split_003.html

EPUB SHA-256:e4a4df0364edbfdf609c07ab4449f2148ede4291cdfba8b2a6ffdc51e7b6c9b7