「这是我参与2022首次更文挑战的第8天，活动详情查看：2022首次更文挑战」
解构数据可视化
学习目标：
- 了解数据可视化的基本流程，牢记4个关键步骤
- 熟悉可视化视觉映射的基本原理及其三要素
0x01可视化过程
1.数据采集
包括内部数据采集和外部数据采集。
内部数据采集是应用企业内部经营数据，涉及到数据埋点，数据库查询；
外部数据采集是通过一些方法获取企业外部数据，如国家公开数据，涉及到爬虫。
以上都是二手数据。
一手数据，指的是通过调查和实验获得，多见于市场调研和科学研究。
2.数据处理和变换
包括数据预处理和数据挖掘两个过程。
预处理是对数据中的噪声和误差进行处理，保证数据的质量；
挖掘是进行统计描述分析以及数据特征，模式等的探索。
常见的数据质量问题：
（1）错误数据：包含了不该有的数据
（2）离群数据：异常值
（3）缺失数据：属性缺失或者数据值缺失
（4）不一致数据：非法数据，存在关联的数据之间关联性错误
（5）重复数据
基于业务的二次数据处理：
（1）降维
（2）数据聚类和切分
（3）抽样统计
（4）统计学和机器学习方法
3.可视化映射（核心）
指将处理后数据信息映射成可视化元素的过程。
可视化元素=可视化空间+标记+视觉通道。
（1）可视化空间：二维或三维
（2）标记：数据属性到可视化几何图形元素的映射。
根据空间自由度的差别，标记可分为点，线，面，体。分别具有零自由度，一维，二维，三维自由度。
比如：散点图：点；折线图：线；矩形树图：面；三维柱状图：体。
（3）视觉通道：从数据属性的值映射到视觉呈现参数。
通常展示的是数据属性的定量信息。
常用的视觉通道包括：标记的位置、大小（长度、面积、体积...）、形状（三角形、圆、立方体...）、方向、颜色（色调、饱和度、亮度、透明度...）等。
比如，散点图就利用了标记的位置和颜色；矩形树图利用了大小和颜色
4.用户交互
可视化的目的，是为了反映数据的数值、特征和模式，以更加直观、易于理解的方式，将数据背后的信息呈现给目标用户，辅助其作出正确的决策。
常见交互方式：
（1）滚动和缩放：解决展示屏幕的分辨率过小问题
（2）颜色映射的控制：配置可视化图形颜色
（3）数据映射方式的控制：选择可视化的数据属性和维度
（4）数据细节层次控制：点击显示，根据选择的维度显示
5.用户感知
被动感知图形；
自主交互：可视化参数或维度的选择
0x02四个关键步骤
1.确定主题
确定可视化的数据围绕什么主题或目的。业务运营中具体场景和遇到的实际问题。
比如：公司经营状况，公司某项业务的提出等
2.提炼数据
了解我们拥有的数据，以及如何组织数据
（1）确定数据指标：作为分析和评估的衡量指标
（2）明确数据间相互关系：趋势，比例，对比，分布，区间，地理，关联等
（3）确定重点指标: 考虑only one和why me
3.确定图表
基于数据间相互关系，选择合适的图表类型
趋势：折线图，拟合曲线图，调和图，堆叠面积图，阶梯图
对比：柱状图，条形图，面积图，气泡图，词云
比例：饼图，环状图，矩形树图，堆叠面积图，堆叠柱状图
分布：散点图，气泡图，直方图，概率密度图，茎叶图，箱线图，热力图，地图
区间：仪表盘，进度条，环形进度图
关联：韦恩图，漏斗图，桑葚图，矩形树图，节点关系图
地理：二维（区域地图，道路地图，室内地图）；三维（全景地图）
4.布局设计
布局上：聚焦，平衡，简洁
呈现上：对影响呈现的数据的处理；设计层面上的辅助，比如背景颜色，网格线等
0xff参考资料
《数据可视化过程》
