随着大数据时代的来临，传统的统计图表很难对复杂数据进行直观地展示。这几年数据可视化作为一个新研究领域也变得越来越火。成功的可视化，如果做得漂亮，虽表面简单却富含深意，可以让观测者一眼就能洞察事实并产生新的理解。可视化(visualization)和可视效果(visual)两个词是等价的，表示所有结构化的信息表现方式，包括图形、图表、示意图、地图、故事情节图以及不是很正式的结构化插图。
让我们一起来看几个经典的可视化，观测它们是如何充分利用其源数据结构的。
1.“美国大选”数据可视化
在美国大选期间，美国媒体做了不少与之相关的数据报道，让我们来回顾一下，他们是如何将美国大选的数据可视化的吧!
下图为各洲“选举人票”的占比情况。作者设计了两种表现方法，一是以“选举人票”的分布做为底图，一是直接以美国地图作为底图。除此图上方双方选举人票总体数量对比外，鼠标移至各洲上方还能显示各洲“选举人票”数量及对希拉里与特朗普的支持比例。
关于第三方选举人影响的情况(在只有两种选择和有四个选举人的情况下，选民的态度又是怎样呢?)
特朗普的粉丝更多的是公立学校出身，而希拉里的则大都为精英阶层。希拉里的粉丝大都较为“书生气”，使用与书籍相关的词汇，其中有很多被认证为教授或博士;而特朗普的粉丝更加喜欢流行文化，他们可能同时是流行歌手的粉丝，也更加关注球类运动等。
2. 地理信息可视化
在第一个例子中，我们已经见识到了地理信息可视化的魅力。接下来我们简单了解下如何利用Remap包快速绘制可交互的地图数据可视化。目前托管在github
百度迁徙图是近年来非常流行的一种地理信息可视化，可以通过连线动态查看人口流向。此处给大家绘制一幅动态航班图的地理信息可视化图
也可以利用Remap快速实现未来天气预报。
3. 社会关系可视化
社会网络分析(SocialNetwrok Analysis，SNA)是在传统的图与网络的理论之上对社会网络数据进行分析的方法。随着人类进入了移动互联网时代，社会网络数据成了重要的数据资源。SNA的本质是利用各样本间的关系来分析整体样本的群落现象，并分析样本点在群落形成中的作用以及群落间的关系。
近几年手机端网游越来越重视游戏用户社交性设计。这款游戏的玩法设计特别强调强社交性：用户可以在游戏内组建家族，家族成员有不同的职务等级，用户也可以在游戏内给好友赠送道具。我们从数据库中收集抽取了部分用户的家族数据(Nodes)和好友沟通数据(Links)。其中Nodes数据集包括Id(用户ID)、Label(用户名称)、Group(所属家族)、Level(等级)的信息；Links数据集包括Source(发起方)、Target(接收方)和Weight(斗气数量)信息。
最后，复杂高维数据无法用单一的静态图表进行直观地展示，因此需要借助可视化手段让数据动起来，更好地发现数据价值。比如说有不同组别的数据，我们想查看各组别间的数据和总计时，此时就可以通过交互式探索的形式进行展示。
还可以结合自己掌握的数据分析和可视化技术，搭建数据可视化平台，从而实现智能BI的可视化功能。比如说，我们不需要具备开发能力，利用R工具的shiny包可以快速搭建数据可视化原型。下面这个例子就是一个通过shiny包结合可视化技术实现的一个可视化平台。
