数据的三个处理阶段

1. Collection
2. Transformation
3. Encoding

Data Types

• item：一般理解为行
• attribute：一般理解成列
• link：两个item之间的关系
• position：位置、坐标或经纬等
• grid

Dataset Types

• tables
  • items
  • attributes
• networks & trees
  • items
  • links
  • attributes
• fields
  • grids
  • positions
  • attributes
• geometry
  • items
  • positions
• clusters, sets, lists
  • item

Attribute Types

• 类别型属性Categorical
  • 描述类别/状态
  • 如true false 男/女 airplane/car road/river religion/country等
  • compare equality
  • no implicit ordering
• 有序型属性Ordinal
  • 有序的类别值
  • 需要使用“对比”，无法执行有意义的算术运算
• 定量型属性Quantitative
  • 测量的数值
  • 可以执行有意义的算术运算

Data Abstraction

1. 区分数据类型和数据集的组织类型
2. 明确数据的属性及其类型
3. 明确属性的语义特征
   1. Spatial or Temporal（区分属性为时间or空间）
   2. Sequential, Diverging or Cyclic（区分属性为顺序/发散/循环）
   3. Hierachical（区分属性是否层次化，如夜间用电可视化）

数据抽象帮助确定哪些操作/变换和编码方法可用且恰当

数据抽象帮助确定可以使用哪些数据转换，以及确定数据可用哪些可视化表示

识别数据属性和属性类型将指导选择恰当的图形来可视化展示数据，创建有效可视化图表

Fundamental Graphs

1. Bar Chart

visualize and describe the correct quantitative realtionship between different categories/attributes 2. Line Chart

visualize and describe how a quantity quantitative changes in relation to another quantity

3. Scatter Plot

visualize and describe how a quantity relate to another quantity

4. Matrix visualize how a quantity distributes across two categories

5. Table

we've met long ago in MySQL..

6. Symbol Map

visualize and describe how a quantity distributes across two spatial coordinates

7. Gantt Chart

visualize and describe the incidents and their lasting period