这是我参与「第五届青训营 」伴学笔记创作活动的第 15 天
一、什么是数据可视化
数据可视化分类：
- 科学可视化
- 信息可视化
- 可视分析
数据可视化的作用：
- 记录信息
- 分析推理
- 证实假设
- 交流思想
二、可视化设计原则和方法
糟糕的可视化呈现
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。
常见错误的可视化
- 透视失真
- 图形设计&数据尺度
- 数据上下文
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湖不清。
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
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=数据所对应的图形元素的相对变化量/数据的真实变化量
-
-
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。
可视化设计原侧
-
准确地展示数据
- Show the data,and tell the truth
-
节省笔墨
- Use the least amount of ink
-
节省空间
- Don't waste space
-
消除不必要的“无价值”图形
- Eliminate non-essentials and redundancies
-
在最短时间内传达最多的信息
- Give the viewer the greatest number of ideas in the shortest time
可视化设计方法
-
最重要的是展现数据
- Above all show the data
-
合理范围内，最大化数据墨水占比
-
Maximize the data-ink ratio,within reason.
-
擦除非数据墨水
- Erase non-data-ink,within reason.
-
擦除冗余的数据墨水
- Erase redundant data-ink.
-
三、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。
- 人类视觉系统观察的是变化，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。
