这是我参与「第四届青训营 」笔记创作活动的的第7天

前言

数据可视化，任何一种将数据转化为可视化形式的方式都是数据可视化，它的类型十分丰富，包括图表、地图、度量仪器等。将数据库的数据整理展现出来，通过比较分析能得出规律，帮助有关人员进行数据分析，本篇笔记用于介绍和学习数据可视化的相关知识。

数据可视化分类

1. 科学可视化 ： 科学实验数据的直观展示
2. 信息可视化：对抽象数据的直观展示
3. 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

为什么要数据可视化

1. 记录信息
2. 分析推理
3. 证实假设
4. 交流思想

数据可视化原则以及错误可视化

可视化原则

1. 能够正确的表达数据中的信息而不产生偏差和歧义
2. 出色的可视化设计可在最短的时间内，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。
3. 准确的展示数据
4. 节省笔墨
5. 节省空间
6. 消除不必要的无价值图形
7. 在最短时间内传达最多的信息

错误可视化

1. 透视失真：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
2. 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取推断。
3. 数据上下文

视觉感知

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

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应。

格式塔理论

1. 就近原则：当视觉原色在空间距离上相距较近时，人们通常倾向于将他们归于一组
2. 相似原则
3. 连续性原则
4. 闭合原则
5. 共势原则
6. 对称型原则
7. 图形与背景关系原则

如何实现可视化

在技术上，数据可视化最简单的理解，就是数据空间到图形空间的映射。一个经典的可视化实现流程，是先对数据进行加工过滤，转变成视觉可表达的形式（Visual Form），然后再渲染成用户可见的视图（View）。

可视化技术栈

具备专业素养的数据可视化工程师一般来说需要掌握以下技术栈：

• 基础数学：三角函数、线性代数、几何算法
• 图形相关：canvas、svg、webgl、计算图形学、图论
• 工程算法：基础算法、统计算法、常用的布局算法
• 数据分析：数据清洗、统计学、数据建模
• 设计美学：设计原则、美学评判、颜色、交互、认知
• 可视化基础：可视化编码、可视分析、图形交互
• 可视化解决方案：图表的正确使用、常见的业务的可视化场景

基于web的可视化技术

底层技术规范

• SVG：可缩放矢量图形（Scalable Vector Graphics），是基于可扩展标记语言（标准通用标记语言的子集）用于描述二维矢量图形的一种图形格式。
• Canvas 2D：Canvas 通过 JavaScript 来绘制 2D 图形，通过逐像素来进行渲染。
• Canvas 3D WebGL：WebGL（Web Graphic Library）是一个 JavaScript API，用于在任何兼容的 Web 浏览器中渲染 3D 图形。WebGL 程序由用 JavaScript 编写的控制代码和用 OpenGL 着色语言（GLSL）编写的着色器代码构成，这种语言类似于 C 或 C++，可在 GPU 上执行。