这是我参与「第四届青训营 」笔记创作活动的的第12天

一、重点内容：

• 了解数据可视化的概念和基本原则

• 识别出不好的，甚至是有误导性的可视化呈现

• 了解一些面向前端的数据可视化工具

二、详细知识点介绍：

什么是数据可视化

Anything that converts data into a visual representation(like charts, graphs, maps, sometimes even just tables)

任何将数据转换为可视化表示形式的东西（如图表，图形，地图，有时甚至只是表格）

分类

• 科学可视化：科学实验数据的直观展示

• 信息可视化：对抽象数据的直观展示

• 可视分析：对分析结果的直观展现，及交互式反馈，是一个跨领域的方向

为什么要数据可视化

• 记录信息

• 分析推理

• 证实假设

• 交流思想

在数据分析之前，绘制数据图表的重要性

可视化的设计原则

能够正确地表达数据中的信息而不产生偏差与歧义

常见数据可视化错误

透视失真

如果数字是由视觉元素表示的，那么他们应该与视觉元素的感知程度成正比

实用清晰、详细和彻底的标签，以避免图形失真和含糊不清

图形设计 & 数据尺度

图形的每一部分都会产生对其的视觉预期(visual expectation):

• 这些预期往往决定了眼睛实际看到的东西

• 错误的数据洞察，产生于在图形的某个地方发生的不正确的视觉预期判断

数据上下文

原则

• 准确地展示数据

• 节省笔墨

• 节省空间

• 消除不必要的“无价值”图形

• 在最短地时间内传达最多的信息

最大化数据墨水占比(Data-Ink Ratio)

• 可视化图形有墨水和空白区域构成

• 数据墨水：可视化图形当中不可擦除的核心部分被称之为“数据墨水”

• 擦除数据墨水将减少图形所传达的信息量

• 数据墨水占比：可视化图形中用于展示核心数据的"墨水"在整体可视化所使用的墨水中的比例

案例

• 绝大多数墨水都是数据墨水，用于绘制散点和对应标签

• 10%-20%为非数据墨水：用于绘制坐标轴和刻度线，并非所有的非数据墨水都没有用

两个擦除原则：

• 擦除非数据墨水

• 擦除冗余的数据墨水

设计方法

• 最重要的是展现数据

• 合理范围内，最大化数据墨水占比

  • 擦除非数据墨水
  • 擦除冗余的数据墨水

视觉感知

格式塔理论 ：整体决定部分的性质，部分依从于整体

• 就近原则：当视觉元素在空间距离上相距较近时，人们通常倾向于将他们归为一组。当视觉元素在空间距离上相距较近时，人们通常倾向于将他们归为一组。

• 相似原则：形状、大小、颜色、强度等属性方面比较相似时，这些物体就容易被看作一个整体

• 连续性原则：人们在观察事物的时候会很自然地沿着物体地边界，将不连续地物体视为连续地整体

• 闭合原则：有些图形可能本身是不完整或者不闭合的，但主体有一种使其闭合的倾向，人们就会很容易地感知整个物体而忽略未闭合的特征。

• 共势原则：如果一个对象中的一部分都向共同的方向去运动，那这些共同移动的部分就易被感知为一个整体。

• 对称性原则：对称的元素被视为同一组的一部分

• 图形与背景关系原则：大脑通常认为构图中最小的物体是图形，而更大的物体则是背景。跟凹面元素相比，凸面元素与图形相关联更多些。

视觉编码

视觉编码是一种：将数据信息(属性+值)映射成可视化元素(可视化符号+视觉通道)的技术

可视化符号

用于在可视化当中表现元素或元素之间的关联

表示元素：点线面

表示关系：闭包、连线

视觉通道

基于数据属性，控制可视化的符号展现样式，例如，点根据其所代表的数据属性的不同可有不同的形状与颜色。

• 数量通道：用于显示数据的数值属性（定量/定序)，包括:位置、长度、角度、面积、深度、色温、饱和度、曲率、体积。

• 标识通道：用于显示数据的分类属性(是什么/在哪里)，包括:空间区域、色向、动向、形状

不同的视觉编码在表达信息的作用和能力上有不同的特性

基础统计图表

• 柱状图

• 饼图

• 折线图

• 散点图

面向前端的可视化工具

• D3

• Vega

• G2

• ECharts

三、课后个人总结：

今天学习了数据可视化的基本理论，接触了很多前端之外的知识，开阔了眼界，同时还了解了一些前端的数据可视化工具，收获满满。