数据可视化基础 | 青训营笔记

这是我参与「第四届青训营」笔记创作活动的的第 22 天

概述

本课程主要内容可以分为三个章节：

数据可视化的基本概念
可视化设计的基本原则
面向前端的可视化工具

本手册可以作为学生学习数据可视化的“学习指南”，按照手册所列内容，结合扩展资料进行系统的学习和实践。

本课程没有讨论更为前沿的可视化课题，比如智能可视化。

课前预习

课前需要学员尽可能对可视化有一个感性的认知，可以重点了解一下数据可视化发展简史，同时对不同历史阶段的一些经典可视化作品做扩展阅读，增加兴趣。

www.woshipm.com/data-analys…

www.zhihu.com/question/23…

www.youtube.com/watch?v=N00…

另外一些演示工具可以提前体验一下：

TimeStoryTeller：timelinestoryteller.com/
Facets：github.com/PAIR-code/f…
Tableau：www.tableau.com/

什么是数据可视化

生活中的数据可视化：

环形存储空间显示
表格图表
企业财报
地图
温度计

概念

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

意义

记录信息
分析推理
证实假设
交流思想

安斯库姆四重奏

Anscombe's Quartet

Pasted image 20220814121117.png

可视化：

Pasted image 20220814121125.png

可视化设计原则和方法

糟糕的可视化：配色混乱，过于复杂

可视化设计原则

能够正确地表达数据中的信息而不产生偏差与歧义

An excellent visualization design gives to the viewer the greatest number of ideas in the shortest time with th least ink int the smallest space. —— Edward R. Tufte

一个出色的可视化设计可在最短时间内，使用最少的空间、用最少的笔墨为观众提供最多的信息内涵。

准确地展示数据

Show the data, and tell the truth
节省笔墨

Use the least amount of ink
节省空间

Don't waste space
消除不必要的“无价值”图形

Eliminate non-essentials and redundancies
在最短时间内传达最多的信息

Give the viewer the greatest number of ideas in the shortest time

常见的错误可视化

透视失真

如果数字是由视觉元素表示的，那么它们应该与视觉元素的感知程度成正比
使用清晰、详细和彻底的标签，以避免图形失真和含糊不清

苹果发布会上市场份额的例子

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推断

一个典型的例子：轴刻度，我们期望它从始至终能够保持连贯且一致

数据上下文

Pasted image 20220814122208.png

谎言因子

控制图形中的谎言因子（Lie Factor ，LF）：

谎言因子：衡量可视化中所表达的数据量与数据之间的夸张程度的度量方法
当 LF = 1 时，我们认为图表没有对数据实时进行扭曲，是一个可信的可视化设计
在实际中，应当确保各部分图形元素的 LF 在 0.95 - 1.05 的范围内，否则所产生的图表认为已经丧失了基本可信度

Data-ink Ratio

最大化数据墨水占比（Data-ink Ratio）

可视化图形由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
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

\rm DataInk\ ratio = \frac{DataInk}{Total\ ink\ used\ to\ print\ the\ graphics}

Data-ink ratio 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% 的墨水是非数据墨水
- 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（例如坐标轴信息）

提高 Data-ink ratio

两个擦除原则：

擦除非数据墨水
擦除冗余的数据墨水

非数据墨水是指不能描绘有价值信息的墨水：

有时，非数据墨水会使数据变得混乱不堪
并非所有的非数据墨水都没有用（例如坐标轴信息）

冗余的数据墨水描述了信息，但它重复显示了信息

Pasted image 20220814124211.png

可视化设计方法

最重要的是展现数据

Above all show the data
合理范围内，最大化数据墨水占比

Maximize the data-ink, within reason
- 擦除非数据墨水
  
  Erase non-data-ink, within reason
- 擦除冗余的数据墨水
  
  Erase redundant data-ink

视觉感知

可视化致力于外部认知，也就是说，怎样利用大脑以外的资源来增强大脑本身的认知能力

什么是视觉感知

感知是指客观事物通过人的感觉器官在人脑中形成的直接反映

感觉器官：眼、耳、鼻、神经末梢

视觉感知就是客观事物通过人的视觉在人脑中形成的直接反映

认知过程

认知心理学家将认知过程看成由信息的获取、分析、归纳、解码、储存、概念形成、提取和使用等一系列阶段组成的按一定程序进行的信息加工系统

科学领域中，认知是包含注意力、记忆、产生和理解语言、解决问题，以及进行决策的心理过程的组合

相对判断和视觉假象

在一串数字中找到出现 3 的次数

Pasted image 20220814125322.png

A 与 B 的色号其实是一样的

Pasted image 20220814125346.png

结论

人类视觉系统观察的是变化，而不是绝对值，并且容易被边界吸引
在可视化设计中，设计中需要充分考虑到人类感知系统的这些现象，以使得设计的可视化结果不会存在阻碍或误导用户的可视化元素

视觉突出

研究表明，汉字的序顺并不定一能影响阅读

视觉感知

引导注意力，高效传达信息

研究表明，人类对于颜色、形状、运动，这些视觉属性，是在不同通道上并行处理的，并且人类能在 200ms 以内快速辨别，这些属性被称作具有“预感知”特性。Perception in Visualization
在一个通道中表达的信息，不会干扰（很多）在另一个通道上表达的信息，应当使用不同的视觉通道来描绘数据不同方面的特征。（例如一个标记的颜色，并不影响）
格式塔理论（Gestalt Laws）较为系统地对人类如何发现图形元素之间地相关性进行了全面总结，被广泛地应用在了视觉设计当中