这是我参与「第四届青训营」笔记创作活动的的第9天
01 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
02 可视化设计原则和方法
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
- 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
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（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。
- 图形的每一部分都会产生对其的视觉预期（visual expectation）:
- 数据上下文
Data-ink ratio
最大化数据墨水占比
两个擦除原则
- 擦除非数据墨水
- 擦除冗余的数据墨水
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
03 视觉感知
格式塔理论（Gestalt Laws）
就近原则
相近原则
连续性原则
闭合原则
攻势原则
对称性原则
图形与背景关系原则
04 视觉编码
视觉编码是一种：
将数据信息映射成可视化元素的技术。
数据信息：属性+值
可视化符号+视觉通道
05 基础统计图标
基础图标
- 柱状图（Bar）
- 饼图（Pie）
- 散点图（Scatter）
- 折线图
06 面向前端的可视化工具介绍
- D3
- Vega
- G2
- ECharts
