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13天
什么是数据可视化
- “数据可视化（Data Visualization）和信息可视化（Infographics）是两个相近的专业领域名词。狭义上的数据可视化指的是数据用统计图表方式呈现，而信息可视化则是将非数字的信息进行可视化。前者用于传递信息，后者用于表现抽象或复杂的概念、技术和信息。而广义上的数据可视化则是数据可视化、信息可视化以及科学可视化等等多个领域的统称。”——《数据可视化之美》
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示，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
- 证明假设
- 交流思想
可视化设计原则和方法
可视化设计原则 数据可视化的目标：
数据可视化的本质是将数据通过各种视觉通道映射成图形，可以使得用户更快、更准确的理解数据。因此数据可视化要解决的问题是如何将数据通过视觉可观测的方式表达出来，同时需要考虑美观、可理解性，需要解决在展示的空间（画布）有限的情况下覆盖、杂乱、冲突等问题，再以交互的形式查看数据的细节。
常见的错误可视化：
透视失真
- 如果数据是由数据元素表示的，那么他们应该与视觉元素的感知程度成正比
- 使用清晰，详尽和彻底的标签，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
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。
- 谎言因子=数据所对应的图形
- 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。
- 在实际当中，应当确保各部分图形元素的 LF 在[0.95，1.05]范围内，否则，所产生的图表认为已经丧失了基本可信度。
可视化设计原则
- 准确的展示数据
- 节省笔墨
- 节省空间
- 消除不必要的无价值图形
- 在最短的时间内传达最多的信息
Data-ink Ratio
- 最大化数据水墨占比（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
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。
