这是我参与「第五届青训营 」伴学笔记创作活动的第 15 天。

什么是数据可视化

将数据转换为可视表示的任何内容（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数据
• 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

为什么要数据可视化

• 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

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

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
  • Data-ink Ratio 最大化数据水墨占比
    • 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
    • 数据水墨占比：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 = Data-ink/Total ink used to print the graphics
• 在最短的时间内传达最多的信息
  • 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
    • 视觉感知：客观事物通过人的视觉在人脑中形成的直接反映

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

数据上下文

结论：

• 人类视觉系统观察是变化的，而不是绝对值，并且容易被边界吸引
• 在可视化设计中，设计者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

格式塔理论

• 就近原则
• 相似原则
• 连续性原则
• 闭合原则
• 共势原则
• 对称性原则
• 图形与背景关系原则

视觉编码

将 数据信息（属性+值） 映射成 可视化元素（可视化符号+视觉通道） 的技术

可视化符号

用于在可视化当中表现数据元素或元素之间的关联

视觉通道

基于数据属性，控制可视化符号的展现样式

视觉通道类型

• 数量通道： 用于显示数据的数值属性（定量/定序），表示数值属性时，位置通道是最为精确的，其次是长度、角度、面积、深度、色温、饱和度、曲率、最后是体积
• 标识通道： 用于显示数据的分类属性（是什么/在哪里），用于表示分类属性时，划分空间区域是最有效的，其次是色向、动向、形状。

前端可视化工具

D3，Vega（推荐），G2，echarts