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
数据可视化研究的是，如何将数据转化成为交互的图形或图像等，以视觉可以感受的方式表达，增强人的认知能力，达到发现、解释、分析、探索、决策和学习的目的。
“数据可视化（Data Visualization）和信息可视化（Infographics）是两个相近的专业领域名词。狭义上的数据可视化指的是数据用统计图表方式呈现，而信息可视化则是将非数字的信息进行可视化。前者用于传递信息，后者用于表现抽象或复杂的概念、技术和信息。而广义上的数据可视化则是数据可视化、信息可视化以及科学可视化等等多个领域的统称。”
——《数据可视化之美》
“科学可视化（Scientific Visualization）、信息可视化（Information Visualization）和可视分析学（VisualAnalytics）三个学科方向通常被看成可视化的三个主要分支。这三个分支整合在一起形成的新学科“数据可视化”，是可视化研究领域的新起点。”
——《数据可视化》v
深入可视化
1. 可视化基础技术架构:
- 渲染层负责可视化图形图像生成相关 API 研发,比如:绘制圆,三角形等
- 算法层负责可视化图形图像生成相关算法,比如:布局算法 绘制元素坐标计算如何分布等
- 数据层负责数据相关操作,比如:数据增删改查以及数据与视图进行一致性保证等
- 其他层例如通信层 工具层等
2. 数据可视化过程：
- 定义要解决问题
- 确定要展示的数据和数据结构
- 确定要展示的数据的维度（字段）
- 确定使用的图表类型
- 确定图表的交互
3. 数据可视化出现的问题
3.1 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。
3.2 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。
3.3 数据上下文
4. 数据可视化原则
- 准确地展示数据
- 节省笔墨
- 节省空间
- 消除不必要的“无价值”图形
- 在最短时间内传达最多的信息
