1. 分类数据

分类数据是指针反映事物类别的数据。如：用户的设备可以分为Iphone用户和andorid用户两种；支付方式可以分为支付宝、微信、现金支付三种等。诸如此类的分类所得到的数据被称为分类数据。

2. 时序数据

时序数据也称时间序列数据，是指同一统一指标按时间顺序记录的数据列。如:每个月的新增用户数量、某公司近十年每年的GMV等。诸如此类按时间顺序来记录的指标对应的数据成为时序数据。

3. 空间数据

空间数据是指用来表示空间实体的位置、形状、大小及其分布特征诸多方面信息的数据，它可以用来描述来自现实世界的目标，它具有定位、定性、时间和空间关系等特性。空间数据是一种用点、线、面以及实体等基本空间数据结构来表示人们赖以生存的自然世界的数据。

4. 多变量

数据通常以表哥形式的出现，表格中有多个列，每一列代表一个变量，将这份数据就称为多变量数据，多变量常用来研究变量之间的相关性。即用来找出影响某一指标的因素有哪些。

方法：
常用的一些数据可视化的方法：
1.线图： 可以用来比较一段时间的变化。
2.长条图： 比较不同分类的数量。
3.散点图： 二维图表来显示两个项目的变更。
4.饼图： 用来比较整体占比的部分。
数据可视化使用计算机绘图来展示数据间模式、趋势和关系。通过简单的下拉菜单和鼠标点击就可以生成这些图片。
对于不同的可视化，颜色要慎重地选择，用有效的颜色对不同的数据元素进行区分。
在数据可视化中，数据被抽象和总结。空间向量如位置、大小和形状代表数据中的关键元素。
一个可视化系统应该执行数据简化，转换并将原始数据投影到屏幕上，将结果用图表的形式可视并用友好的方式表现结果。
应用：

1.公共健康：
公共卫生监测的成功和用可理解的方式来分析和表示数据有密不可分的关系。
医学数据的云可视化的安全性也是非常重要的。
2.可再生能源：
计算能源消耗和生产对优化方案很有用。
3.环境科学：
环境管理人员需要一些对很复杂很大的数据的可视化来帮助做决策。
4.欺诈检测：
欺诈调查员用数据可视作为一个有前瞻性的监测方法，用它来查看显示欺诈行为的模式。
5.图书馆决策：
数据可视化帮助图书管理员灵活地更好地用不同的资源来表示信息，从而来做决策，确定未来目标和需求。
信息可视化算法和相关的软件正在发展，这帮助我们更好地处理数据。
多维度的数据集可以和一些web应用组合起来进行可视化。