这是我参与「第五届青训营 」伴学笔记创作活动的第 15 天
数据可视化基础的学习记录
什么是数据可视化
任何将数据转换为可视化表示的东西（如图表、图形、地图，有时甚至只是表格）都是数据可视化。
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
- 可视化分析：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
为什么要做数据可视化
- 记录信息
- 分析推理
- 证实假设
- 交流思想
常见的错误可视化
01.透视失真
例子：
- 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
02.图像设计和数据尺度
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
03. 数据上下文
一般出现在文章中，数据的内容和数据旁边的文章内容不匹配
可视化设计原则和方法
可视化设计原则
能正确地表达数据中的信息而不产生偏差与歧义。一个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。
原则是：
- 准确地展示数据
- 节省笔墨
- 节约空间
- 消除不必要的“无价值”图形
- 在最短时间内传达最多的信息
最大化数据墨水占比
- 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之为“数据墨水
- 擦除数据墨水将减少图形所传达的信息量
- 数据墨水占比: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
提高数据墨水占比
- 两个擦除原则
- 擦除非数据墨水
- 擦除冗余的数据墨水
- 非数据墨水是指不能描绘有价值信息的墨水：
- 有时，非数据墨水会使数据变得混乱不堪
- 并非所有的非数据墨水都没有用
- 冗余的数据墨水描述了信息，但它重复显示了信息
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。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。
引导注意力 ，高效传达信息
- 研究表明，人类对于颜色、形状、运动，这些视觉属性，是在不同通道上并行处理的，并且人类能在200ms以内快速辨别，这些属性被称作具有“预感知”特性。
- 在一个通道中表达的信息，不会干扰 (很多)在另一个通道上表达的信息，应当使用不同的视觉通道来描画数据不同方面的特征。(例如一个标记的颜色，并不会影响)
- 格式塔理论 (Gestalt Laws) 较为系统的对人类如何发现图元素之间的相关性进行了全面总结，被广泛的应用在了视觉设计当中。
格式塔理论
就近原则
- 当视觉元素在空间距离上相距较近时，人们通常倾向于将他们归为一组。
- 将数据元素放在靠近的位置可以突出它们之间的关联性
相似原则
- 大小、颜色、强度等属性方面比较相似时，这些物体就容易被看作一个整体。
连续行原则
- 人们在观察事物的时候会很自然地沿着物体的边界，将不连续的物体视为连续的整体。
闭合原则
- 有些图形可能本身是不完整或者不闭合的，但主体有一种使其闭合的倾向，人们就会很容易地感知整个物体而忽略未闭合的特征。
共势原则
- 如果一个对象中的一部分都向共同的方向去运动，那这些共同移动的部分就易被感知为一个整体。
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
- 大脑通常认为构图中最小的物体是图形，而更大的物体则是背景
- 跟凹面元素相比，凸面元素与图形相关联更多些
总结
在本次学习中，学习了什么是数据可视化，并且学习了一些错误的数据可视化以及它所带来的影响。也学习了可视化设计的原则和方法，其中有提高数据墨水占比的方法、格式塔理论等等。
