这是我参与「第四届青训营 」笔记创作活动的第5天
课程内容
什么是数据可视化
Anything that converts data into a visual representation（like charts,graphs,maps,sometimes even just tables）
数据可视化分类
- 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
为什么要可视化
- 记录信息
- 分析推理
- 证实假设
- 交流思想
可视化设计原则和方法
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。
- 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 ：
·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一致。 - 数据上下文
- 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
- 在最短时间内传达最多的信息
最大化数据墨水占比
- 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
Data-ink ratio案例提高Data-ink ratio
- 两个擦除原则
·擦除非数据墨水
·擦除冗余的数字墨水 - 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
可视化设计方法
- 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
视觉编码
基础统计图表
- 柱状图
- 饼图
- 散点图
- 折线图 选择合适的图表
面向前端的可视化工具
- D3
- Vega
- G2
- ECharts
- 使用图表表达
总结及感悟
这一堂课的主要内容是介绍了数据可视化及其相关的一些原则、方法和工具，数据可视化也是一个作为前端开发设计需要重视和常常使用到的东西，当然更进一步的学习还需要自己去实践和探索。
