数据分析基础-数据可视化02-不同数据类型的可视化概念及原则

将数据空间映射到颜色空间。

数据空间：连续或分类

数据可以被划分为两个主要的数据空间：连续数据和分类数据。这两种数据空间有不同的特点和适用的分析方法。

连续数据（Continuous Data）：

连续数据是指可以在某个范围内取任何数值的数据。在连续数据空间中，数据点之间存在无限多的可能值，因此数据可以在小数点后面取任何值。连续数据通常以实数（包括小数和分数）的形式表示。
一些例子包括：

身高
体重
温度
时间
在连续数据的分析中，我们通常会计算均值、标准差、相关系数等统计指标。连续数据的可视化方法包括直方图、箱线图、散点图等。

分类数据（Categorical Data）：

分类数据是指被分为不同类别或群组的数据。分类数据通常表示为标签或名称，而不是数值。分类数据的类别之间没有数值关系，而是用于标识不同的类别。
分类数据又可以细分为名义数据和序数数据：

名义数据表示不同的类别，但没有顺序关系，如性别、国家等。
序数数据表示不同的类别，并且具有一定的顺序关系，如教育程度、情感程度等。
在分类数据的分析中，我们通常会计算频数、百分比，并绘制条形图、饼图、有序条形图等。

色彩空间：Munsell、RGB、HSV

Munsell 色彩空间：
Munsell 色彩空间是一种基于色调（Hue）、明度（Value）和色度（Chroma）的颜色表示方法。它是一种人类感知更接近的色彩表示方式，更加符合人眼对颜色的感知特性。在 Munsell 色彩空间中，色调表示颜色的基本色调属性，明度表示颜色的明暗程度，色度表示颜色的鲜艳程度。Munsell 色彩空间是一个圆柱体模型，可以通过坐标表示颜色。然而，Munsell 色彩空间不常用于计算机图形学等领域，主要用于色彩研究和艺术领域。

RGB 色彩空间：
RGB 色彩空间是基于红色（Red）、绿色（Green）和蓝色（Blue）三个基本色光的叠加来表示颜色。在计算机图形学、数码摄影和显示器中广泛使用。在 RGB 色彩空间中，每个颜色可以通过三个分量的数值来表示。例如，白色由红、绿、蓝三个分量的最大值构成，黑色由三个分量的最小值构成。RGB 色彩空间的优点是适用广泛且直观，但它不一定能够完全准确地表示人类感知的颜色。

HSV 色彩空间：
HSV 色彩空间是基于色调（Hue）、饱和度（Saturation）和明度（Value）的颜色表示方法。HSV 色彩空间将颜色的属性分成了颜色的基本属性（色调）、颜色的纯度程度（饱和度）以及颜色的明暗程度（明度）。HSV 色彩空间对于颜色的调整和选择更加直观，比如在图像编辑软件中进行颜色的调整时，常常使用 HSV 色彩空间。