数据可视化分类
科学可视化
信息可视化
可视分析
为什么要做数据可视化
可视化设计原则和规则
原则 能够正确的表达数据中的信息而不产生偏差与歧义
1.能够准确的展示数据 2.节省笔墨
最大化数据墨水占比
并非所有非数据墨水都没有用
3.节省空间
常见的错误可视化
1.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。 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 (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。
3.数据上下文
视觉感知
由感觉器官直接反映
视觉系统观察是变化，而不是绝对值，并且容易被边界吸引
格式塔（形状）学派
整体大于部分
格式塔理论
就近原则
相似原则
形状大小颜色等等属性方面比较相似，这些容易被看成整体
连续性原则
闭合性原则
共势原则
对称性原则
对称的元素被视为同一组的一部分
图形与背景关系原则
视觉编码
将数据信息映射成可视化元素的技术
可视化符号
视觉通道 基于数据属性，控制可视化的符号展现样式
有两种类型 数量通道（定量定序）
标识通道（是什么/在哪里）
视觉编码的优先级
面向前端的可视化工具
D3 js的函数库，被认为是最好的前端可视化的工具
Vega(考虑去了解)
json格式描述可视化的视觉外观
G2 面向常规的图表 （最简单的）
ECharts
