数合建模及可视化是款免费的数据建模及可视化工具，那么什么是可视化呢？
数据可视化有很多种方式，不同的图表可以展示出数据不同的特征：
一、趋势类
折线图，适合展示一段时间内的趋势，可以使用多条线来展示多个组的趋势。
二、关系，数据中变量之间的关系
条形图，适用于比较不同组对应的数量。饼图、环图、柱图类似
热力图，用于可视化矩阵数据的图表，通过颜色来表示不同单元格的数值大小。分析的要点：
1、相关性，通过观察热力图中不同单元格的颜色分布，可以判断变量之间的相关性强度和方向；
2、聚类和分类，通过对热力图中的行或列进行聚类或分类，可以将相似的数据分组在一起，揭示数据的结构和组织方式
散点图， 显示两个连续变量之间的关系；如果进行了颜色编码，还可以显示与第三个分类变量的关系。分析的要点：
1、关系趋势：散点图可以帮助您观察和理解两个变量之间的关系趋势。通过观察散点的分布模式，可以判断是否存在线性相关、非线性相关或无关的关系；
2、相关性：散点图通常伴随着相关系数的计算和展示。相关系数可以衡量两个变量之间的线性相关性的强度和方向；
3、聚集区域：散点图中的聚集区域可以揭示数据的密度和集中趋势。通过观察聚集区域的密度和形状，可以了解数据的集中程度和分布模式。
回归线，在散点图中包含一个回归线可以更容易地观察到两个变量之间的线性关系。
三、分布，理解数据特征、趋势和变异性
直方图展示数据集的中心、分布范围和形状，分析要点包括：
1、尖峰：纵轴的数据尖峰表示样本中最常见的值；
2、散布：横轴的刻度显示了数据的散布情况；
3、偏斜：当数据偏斜时，大多数数据位于图形的高或低侧，偏斜表明数据可能未呈正态分布。
附：
1、单折线，横坐标一般代表不同时间刻度，纵坐标一般代表数值大小，从上图中可以看到整体趋势不是总体向上或总体向下，图上显示数据为原始值
折线图
2、条形图，横坐标为数值列，纵坐标为分类列，从图中能够直观看到各个数据之间的大小关系，图上显示数据为原始值
3、热力图，基于行列矩阵数据生成的图表（非原始值），从下图可以看到，10A-11P是我们的热点区域（聚类或分类分析点）
4、散点图也叫x-y图，它将所有的数据以点的形式展现在直角坐标系上(原始值)，以显示数量之间的相互影响程度，点的位置由变量的数值决定，下图中为身高和体重关系的散点图，依据图2中的解读，那么身训和体重的关系是正相关、线性、弱相关
5、回归线，4中的散点图中间虚线连接的部分即是回归线，体现身高和体重的线性关系，从上图中可以看到身高和体重线性关系的拟合度不高
6、直方图，涉及到统计分析方法的一些知识，比如平均、最大、最小等描述数据，还包括极差、组数、组间距等统计指标，直方图中x轴的刻度为数值区间，y轴为出现的频度。尖峰代表出现最多值。
数合建模及可视化工具，目前已实现表格、折线、面积、条形图等展示方式，欢迎大家多多使用，提出宝贵意见。