每个数据对象有两个或两个以上独立或者相关属性的数据。
一维数据
一维数据可以利用饼图、条形图来表示。
二维数据
请点击此处输入图片描述
三维数据
高维数据
高维指数据具有多个独立属性，多元指数据具有多个相关属性。怎样在视觉空间（三维空间/二维平面）上表达？
思路1：在二维/三维图表上增加视觉通道，以表达更多的属性信息。
当维度超过三维后，可以增加视觉编码来表示，例如颜色、大小、形状、填充形式等。但对于更高维多元数据的可视化，这种方法还是很局限。
思路2：“多视图协调关联”：不同的视图表示数据的一部分属性。
思路3：利用散点矩阵
对于N维数据，使用N2个二维散点图逐一表示N个属性之间的两两关系
随着数据维度的增加，a散点图数量的增加导致可读性下降
例：329款汽车的7种技术参数
思路4：利用表格透镜（table lens）
- 类似于表，以图的形式显示表格中的数值，节省空间，易于观察和发现
- 排序与选择操作：易于发现分布规律与关联关系
- 焦点与上下文：关注的区域以图文强调
- 重组视图：移动属性列
思路5：利用平行坐标系
- 平行的坐标轴表示不同维度
- 每个数据点对应一条穿过所有坐标轴的折线
- 在二维空间中完整显示高维数据
- 不仅可以揭示数据在每个属性上的分布，还可描述相邻属性间的关系
例：A = (1, 2, -2, 1, -3), B = (2, 3, -1, 1, -2), C=(-4, -5, 5, 2, )
例：329款汽车的7种技术参数
在二维空间中完整显示高维数据
不仅可以揭示数据在每个属性上的分布，还可描述相邻属性间的关系
对非相邻属性间的关系表现能力较弱，不易于同时表示多个维度关系
这种方法的增强与改进：
- 刷操作：交互选择感兴趣数据，高亮显示
- 改变坐标轴排列顺序
- 根据坐标轴间的相关性进行聚类、重排列
- 综合使用其他可视化方法
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
