大数据时代,数据与自然资源、人力资源是重要的战略资源,隐含着巨大的价值,研究数据分析是大势所趋;数据可视分析是数据分析的重要方法,因而也受到了高度重视。首先研究了大规模数据可视化存在的问题和限制,以及相应的解决方法,在分析比较现有方法的基础上,提出一个基于随机抽样技术的数据可视化框架,可以有效地改善可视化现状。该框架使用文中提出的网格密度区间聚类算法来预处理数据。聚类算法将网格密度的值域划分为若干个区间,把属于同一密度区间的紧相连的网格聚为一类,不同密度的网格划分到不同的类中,聚类将整体数据划分为有限个区域,数据在这些区域内趋于均匀分布。可视化框架对每个区域随机抽样,各个区域抽取的样本量与区域的数据量和密度相关,以此来反映数据的整体分布。另外框架引入了可视化精度和人眼分辨率。根据可视化精度确定样本量来控制数据密度,不同的可视化精度对应不同的样本数据。根据人眼分辨率,算出在可视化精度下可识别的最短距离,数据点间距离小于最短距离时会重叠,计算样本的重叠度,然后从中选择重叠度较低的样本,这样可以有效地解决可视化数据过密和严重重叠的问题。最后,通过实验表明了本文可视化框架的有效性和可用性。