熵编码

数据压缩编码的概念：

编码是用一些简单的字符来表达一定的信息，例如，如果明天是晴天用1来表示，阴天就是0

压缩是消除数据间的相关性，一定的信息量尽量用较少的字符来表示

压缩编码的必要性

电子计算机的出现使信息话社会有了数字化的特点，电脑中的信息要以数字量表示出来，但我们可以简单的看一下数字话了的信息数量大小：

一片CD-ROM 650M

cif格式视频大小352*288 彩色，4：2：0格式存储的话

每帧大小352*288*1.5=228096B

播放速度30帧每秒228096*30=6842880B=6.526MB

650/6.526=99.6s

这个问题是多媒体技术发展中的一个非常棘手的瓶颈问题，单纯靠扩大存储器容量，增加通信干线的传输率的办法是不现实的

通过数据压缩手段把信息的数据量压下来，以压缩形式存储和传输，既紧缩节约了存储空间，又提高了通信干线的传输效率，同时也使计算机实时处理音频视频信息，保证播出高质量的视频，音频节目成为可能

可行性：

多媒体文本 声音 静态图像 视频图像等信源数据有极强的相关性，也就是说有大量的冗余信息，数据压缩的目的就是消除数据间的相关性，保留相互独立的信息分量

（以视频图像为例，空间相关性、时间相关性）

数据压缩编码的理论基础：

信息论，从信息论的角度来看，压缩就是去掉信息中的冗余，即保留不确定的东西，去掉确定的东西（即可以推知的东西），使用一种更接近信息本质的描述来代替原有的冗余的描述，这个本质的东西就是信息量（即不确定因素）

信息论中的信源编码理论解决的主要问题：

（1）数据压缩的理论极限

（2）数据压缩的基本途径。

根据信息论的原理，可以找到最佳数据压缩编码的方法，数据压缩的理论极限是信息熵。如果要求编码过程中不丢失信息量，即要求保存信息熵，这种信息保持编码叫熵编码，是根据消息出现概率的分布特性而进行的，属于统计编码中的一类，是无损数据压缩编码。

熵编码的基本原理;

熵编码立在随机过程的统计基础之上的是建

熵的概念：

在信息论中，有这样的信息量：

是信号 在X中出现的概率

信源X发出的信号 ，求n个随机时间的自信息统计平均（求数学期望），即

H(X)在信息论中称为信源X的熵，它的含义是信源X发出任意一个随机变量的平均信息量

数学上可以证明，等概率时间的熵最大

以n=8为例

熵的范围：

在编码中用熵值衡量是否为最佳编码

若以 表示编码器输出码字的平均码长，则

当 有冗余，不是最佳

当 不可能

当 最佳编码（ 稍大于 ）

熵值是平均码字 的下限

熵编码又叫熵保存编码 信息保持编码 无失真压缩编码，要求编码输出码字的平均码长，只能大于等于信源熵，若不满足这个条件，在信源编码的过程中就要丢失信息，所以信源熵是无失真信源编码，输出码字平均码长的下限

  常见的熵编码方法：香农编码（shannon）、哈夫曼编码（huffman）、算术编码（arithmetic coding）、哥伦布编码（Golomb Codes）等。

​图表可以说在企业当中运用相当广泛，每到月度、季度、年度总结的时候，用到最多的、最有说服力的就是数据了。让数据说话，摆事实、讲道理才能赢得上级的肯定。今天我们就针对于常见的几个图表类型来为大家做简单介绍，如此就能够更好的帮助我们进行数据分析，实现一些抽象化思维的完美转换。

大家都听过“数据可视化”，也知道要用直观的图表让受众理解复杂多变的数据。但很多人往往只注重让图表看上去“高大上”，而忽视了“这些的数据究竟适合哪些图表来表达”。结果很多人花了大力气做可视化图表，却没达到想要的效果。

那么，如何让数据“说人话”，让受众更快速地懂你呢？本文梳理了可视化的相关内容，分享给大家。

一、你的数据适合哪种可视化图表

数据可视化有很多既定的图表类型，下面我们分别来谈谈这些图表类型，他们的使用场景，以及使用的优势和劣势。

1、图表类型—柱状图

使用场景：它的适用场合是二维数据集（每个数据点包括两个值 x 和 y），但只有一个维度需要比较。

优势：柱状图利用柱子的高度，反映数据的差异。肉眼对高度差异很敏感，辨识效果非常好。

劣势：柱状图的局限在于只适用中小规模的数据集。

2、图表类型—折线图

使用场景：折线图适合二维的大数据集，尤其是那些趋势比单个数据点更重要的场合。它还适合多个二维数据集的比较。

优势：容易反应出数据变化的趋势。

3、图表类型—饼图

使用场景：适用简单的占比图，在不要求数据精细的情况下可以使用。

优势：可以清晰表达同一个整体中，不同成分的比例关系。

劣势：肉眼对面积大小不敏感。

饼状图是面积图的一种，但是因为其劣势明显，所以在使用饼状图及其他类型面积图时，注意用数字标明占比情况。

4、图表类型—漏斗图

使用场景：漏斗图适用于业务流程比较规范、周期长、环节多的流程分析，通过漏斗各环节业务数据的比较，能够直观地发现和说明问题所在。

优势：能够直观地发现和说明问题所在。

在网站分析中，通常用于转化率比较，它不仅能展示用户从进入网站到实现购买的最终转化率，还可以展示每个步骤的转化率。

劣势：单一漏斗图无法评价网站某个关键流程中各步骤转化率的好坏。

5、图表类型—地图

使用场景：适用于有空间位置的数据集。

优劣势：特殊状况下使用。

6、图表类型—雷达图

雷达图是一种类似蜘蛛网的网状图，可以对两组项目的多种变量的项目进行对比，它可以反映数据相对中心点和其他数据点的变化情况，可以清楚地反映事物的整体情况。

使用场景：雷达图适用于多维数据（四维以上），且每个维度必须可以排序。

但是，它有一个局限，就是数据点最多6个，否则无法辨别，因此适用场合有限。

劣势：需要注意的时候，用户不熟悉雷达图，解读有困难。使用时尽量加上说明，减轻解读负担。

其实想要实现炫酷的数据可视化，工具只是其中一方面，如何结合自身的需求和场景选择适合自己的工具才是最重要的；而Smartbi作为一款数据分析工具，最大的好处就是简单容易上手，而且不需要你有编码和程序基础，就可以实现超炫的图表效果，让你的老板看傻眼！

下面，我们来探讨下如何用Smartbi来制作一个可视化的大屏吧。

现在我们仔细来看下这些可视化图表，他们是由一个个简单的表格、环形饼图、地图、横条柱图、词云图等组成。

我们将整体目标划分一个个小计划进行的话，只要我们会制作这些单独的图表，然后放到同一个界面进行展示，然后再进行各个组件排版与整体可视化仪表盘的风格调整就可以形成一个炫酷的可视化数据仪表盘了。

那可能这时候大家会有所顾虑，像图表所展示的折线图和柱状图这么好看，我们平常再excel等工具做很单一且不好看，如何处理。这个时候smartbi可以帮到你，Smartbi 支持完整ECharts 图形库，支持各种各样的图形，包含瀑布图、关系图、雷达图、油量图、热力图、树图等等几十种动态交互的图形；支持3D动态图形效果，如3D航线图、3D散点图、3D柱图用于数据可视化展示。

图：Echarts效果示例

另外自助仪表盘还支持丰富的Echarts图形控件如轮播控件、跑马灯、TAB页控件、URL控件。 只需要我们选择其中的控件组件，将需要分析的字段进行关联再制作成相应的图表即可实现各种图形组件的轮播，且还可设置轮播的时长。

在将我们需要分析的维度与对应的组件完成之后，以及各个组件所在位置调整之后，系统提供四套默认主题：浅色主题、深色主题、三色渐变色、炫彩风格。另还可以设置项来自定义主题，并将自定义主题保存以便后续使用，或者覆盖当前主题。

用户通过拖拉拽的方式，系统提高灵活方便的操作界面，允许客户任意选择指标、维度和过滤条件等，快速生成多维分析表，仪表盘看板。

Smartbi作为成熟的大数据分析平台，具备可复用、 动静结合独特的展示效果，使得数据可视化灵活强大，动静皆宜，为广大用户提供了无限的应用能力和想象空间。使用Smartbi的自助仪表盘功能，让你的工作汇报增添精彩。数据可视化不仅丰富且美观，更重要是操作简洁，使用方便。适应多变的分析场景。大大的提高了业务部门用数效率，减少技术部门的人员投入。